1.现存问题

在主机上运行很多下载来的机器学习代码时，这些大都运行在不同版本的tensorflow-gpu或者pytorch等的包下的。但是，运行代码的过程中，存在匹配的问题：

1.不同的版本的tensorflow-gpu或pytorch对cuda版本的适配也不一样。

2.不同的版本的tensorflow-gpu或pytorch对python版本的适配也不一样。

3.cuda对主机操作系统的版本也有限定。

2.需求

1.以window11操作系统为载体（其他操作系统，供参考），要能在当前主机下运行不同版本的tensorflow（pytorch）或者cuda下的代码。

2.运行时，不重复安装cuda，不重复设置环境变量。

3.解决方案

win11下，使用docker（wsl2）运行不同的容器。

4.具体步骤

1.安装好docker后，需要做一些必要的适配——安装docker-ctk，具体可以请按照Nvidia的官方教程按步骤执行即可：Installing the NVIDIA Container Toolkit — NVIDIA Container Toolkit 1.14.3 documentation

2.在制作镜像时，可以选择一步到位，直接pull Nvidia的官方镜像，或者pull其他满足要求且制备好的镜像。也可以自己pull一个纯净的操作系统，然后自行配置安装需要的cuda等。

3.准备好镜像后，执行类似的代码即可运行一个匹配了特定版本cuda的容器：

docker run -it -p  10022:22 --runtime=nvidia --gpus all  镜像名:版本号 /bin/bash

其中映射容器的22端口，供主机通过ssh访问（可能需要自行在容器里配置一些ssh）， 

指定了 runtime 为 nvidia，并把所有的gpu分配给容器。你也可以再添加其他参数，比如容器名，以特权执行等

4.结果

成功。

5.拓展

1.迁移docker，释放C盘空间

如果是windows里安装docker-desktop，那么它默认的位置会在C盘，然后每次下载镜像等等，都会很吃C盘的空间，所以这里提供我所写的迁移docke的技术方案：

WSL2模式下，将Ubuntu、Docker迁移出C盘并解除Ubuntu、Docker对C盘的空间占用-CSDN博客

2.压缩docker在主机的虚拟磁盘容量

我们在windows里使用docker时会发现，即使我们已经删除了无用的镜像和容器，主机里挂在docker虚拟磁盘的那个盘，可用空间也没有增加，这是因为虚拟磁盘不会自动缩小，这里就需要我们亲自操作一下，所以这里提供我所写的压缩docker在主机的虚拟磁盘容量的技术方案：

压缩docker在主机的虚拟磁盘容量-CSDN博客