本文主要讲述整个命令流程，具体讲解请看官网nvidia-容器工具包和一篇总结得很详细的博文docker使用GPU总结

docker的版本必须安装19.0版本以上的，这里也只讲19.0版本以上的使用方法

首先设置一下网络信息

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list \
  && \
    sudo apt-get update

然后开始安装

sudo apt-get install -y nvidia-container-toolkit

然后配置一下文件，这样容器才能使用runtime

sudo nvidia-ctk runtime configure --runtime=docker

重启一下容器

sudo systemctl restart docker

运行该命令验证是否安装成功

sudo docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smi

出现这个就是安装成功了

然后按照以下格式创建容器

docker run -itd --gpus all --name 容器名 镜像名

示例

docker run -itd --gpus all --name cuda-test ubuntu

然后启动容器

docker start cuda-test

进入容器

docker exec -it cuda-test /bin/bash

在容器里面运行一下再验证一下，能正常显示上面那个图案就是能成功调用了，注意那个cuda版本要能显示，要是现实 N/A的话是不行的

nvidia-smi

cuda版本显示N/A的话用以下格式创建容器

docker run -itd --gpus all --name 容器名 -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all 镜像名

由于我要运行slam，并且需要pangolin进行显示，所以这涉及到主机交互
所以我的命令如下
建议安装和我一样的镜像

docker pull osrf/ros:noetic-desktop-full

这样才能和主机进行UI界面交互

docker run -itd  \
	--gpus all  \
	--name 自命名容器名 \
    --env="DISPLAY" \
    --env="QT_X11_NO_MITSHM=1" \
    --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" \
    -v /media/rice/文件/2_my_work_zys/zys_work/cuda-container/:/root/files  \
    -v /usr/local/cuda-11.3:/usr/local/cuda-11.3  \
    osrf/ros:noetic-desktop-full  \
    rqt

那个 -v 就是挂共享目录的，冒号：左边是本机目录，右边是容器里面的目录，会根据路径新创建一个文件夹的，两个 -v 自行选择，记得换成自己电脑的路径

因为我里面C++要用到CUDA，所以也要链接主机CUDA的目录

链接完cuda后在容器里面还要设置路径，不然系统会找不到cuda
进入bashrc

vim ~/.bashrc

然后把下面这段复制进去，记得把cuda改成自己的版本名字，我的是cuda-11.3

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64
export CUDA_HOME=/usr/local/cuda/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME

上面命令运行后100%会报错的，然后接下来看我的另一篇文章来解决就可以了，看后半部分docker容器中安装ROS1/ROS2（不用配任何环境，10分钟搞定）
我的镜像名是 osrf/ros:noetic-desktop-full 不然会不成功，因为我要用ros，并且只有ros里面有rqt，所以还需要安装一下这个osrf/ros:noetic-desktop-full镜像
这样安装即可

docker pull osrf/ros:noetic-desktop-full