為什麼這篇nvidia docker教學鄉民發文收入到精華區：因為在nvidia docker教學這個討論話題中，有許多相關的文章在討論，這篇最有參考價值！作者Fireis556 (看ptt看到睡著..)看板DataScience標題[心得] RTX 20...
最近剛弄好了這個坑 所以想說記錄下來 如果有需要的人可以來參考看看
先說結論 Ubuntu 18.04 server LTS + RTX 2080 Ti
最後選擇的配置是 Tensorflow 1.12 GPU + CUDA 10.0 + cuDNN 7.3.1
大致上的配置照著這個就可以了 https://bit.ly/2SFE9xe
https://imgur.com/6p5PMzU
稍微要注意的是 圖靈架構的compute capability 7.5 因此在設定tf的安裝時
我將他改成7.5了
建議是架設虛擬環境，我個人是使用Anaconda，如果沒裝可以參考下面網址
https://bit.ly/2NIKt6n
這邊只需要參考第七步與第八步(安裝Anaconda與建環境)
然後在安裝CUDA 10.0 不需要先裝GPU驅動，還有gcc是吃7.3版本的 所以也不用降
如果有問題的話可以來信討論或是推文，多謝各位
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.242.190.191
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1551785818.A.6DA.html
推 st1009: 推推 03/05 20:12
推 sma1033: 感謝分享，或許可以考慮用docker ? 03/06 07:40
推 jasonwu23: 請問你是實體機嗎 還是aws之類網路server 03/06 07:56
→ jasonwu23: 回樓上上 用docker的話 宿主本身也是要先裝cuda 03/06 07:57
推 yanwu0105: 推推 03/06 08:09
推 sma1033: 用docker的話宿主可以免裝Anaconda，少一層弄壞OS的風險 03/06 08:21
→ sma1033: cuda driver倒是免不了就是了 03/06 08:22
推 cosmosgonow: 推 sma1033 大，使用 docker 之後工作方便很多 03/08 19:56
推 cosmosgonow: 曾經遇過需要跑不同 tf 版本的實驗，只要 Dockerfil 03/08 20:00
→ cosmosgonow: e 的 base image 替換就好了，完全不用重裝，挺方便 03/08 20:00
→ cosmosgonow: 的 03/08 20:00
推 sma1033: 我自己是用過docker之後就離不開了 XD 03/08 22:02
推 roccqqck: 不同tf版本用conda虛擬環境也可啊 03/24 01:36
→ roccqqck: 我ubuntu18.04.1 RTX2080 03/24 01:40
→ roccqqck: cuda10 cudnn7.4.2 都用deb安裝 03/24 01:40
→ roccqqck: 我安裝miniconda都用虛擬環境 base環境從來不動它 03/24 01:41
→ roccqqck: 每個user anaconda各自裝在/home/user底下 base環境別動 03/24 01:49
→ roccqqck: 都用虛擬conda環境就不會弄壞os 03/24 01:49
→ roccqqck: 安裝包出問題或安裝失敗 刪掉虛擬環境重建新虛擬環境 ba 03/24 01:49
→ roccqqck: se永遠不動 03/24 01:49
推 sma1033: docker方便的是可以做版本控管，透過docker可以輕易的建 03/24 03:20
→ sma1033: 幾十個環境，然後環境之間共同的檔案還可以互相分享 03/24 03:21
推 roccqqck: 對而且docker不限python套件 各種作業系統 語言套件都可 03/24 13:44
→ roccqqck: 多種環境 03/24 13:44
→ roccqqck: 對了有大大知道pycharm怎麼連docker的直譯器嗎 04/14 21:45
→ roccqqck: 更新 如何連到遠端server的docker 04/15 14:08
推 roccqqck: docker裝opensshserver解決 04/20 18:41
推 yeeouo: 請問有沒有知道對新手比較友好的docker教學... 05/08 22:00