nvcr.io/nvidia/pytorch:24.12-py3-igpu 是一个 NVIDIA 提供的 PyTorch Docker 镜像，其中包含了 PyTorch 以及与 NVIDIA GPU 相关的库，24.12 表示这个镜像的版本号， py3 表示python3版本，igpu表示集显。

步骤：

1. 确保你已安装 Docker:

   • 如果你的系统上还没有安装 Docker，请先安装 Docker Desktop（适用于 macOS 和 Windows）或者 Docker Engine（适用于 Linux）。
   • 你可以从 Docker 官网下载并安装：https://www.docker.com/get-started
   • 安装完成后，运行 docker --version 确认 Docker 是否安装成功。

2. 拉取 Docker 镜像:

   • 打开你的终端或命令提示符。

   • 使用 docker pull 命令拉取镜像：

     docker pull nvcr.io/nvidia/pytorch:24.12-py3-igpu
     

     • docker pull: 是 Docker 的拉取镜像命令。
     • nvcr.io/nvidia/pytorch:24.12-py3-igpu: 是要拉取的镜像的名称，这个镜像存储在 nvcr.io 的镜像仓库中。

   • Docker 会自动从镜像仓库下载镜像。这个过程可能会需要一些时间，取决于你的网络速度和镜像大小。

3. 运行 Docker 镜像:

   • 拉取完成后，你可以使用 docker run 命令运行镜像：

     docker run --gpus all -it nvcr.io/nvidia/pytorch:24.12-py3-igpu /bin/bash
     

     • docker run: 是 Docker 的运行容器命令。
     • --gpus all: 指定使用所有的GPU资源，如果只想使用部分，可以更换为--gpus device=<gpu_id>
     • -it: 以交互式的方式运行容器，并且分配一个伪终端。
     • nvcr.io/nvidia/pytorch:24.12-py3-igpu: 指定要运行的镜像名称。
     • /bin/bash: 在容器中启动 bash shell。你可以使用其他命令来覆盖默认启动命令。

   • 如果想要使用指定的端口，需要增加 -p 参数：

     docker run -p 8888:8888 --gpus all -it nvcr.io/nvidia/pytorch:24.12-py3-igpu /bin/bash
     

     其中 8888:8888 表示将容器的8888端口映射到宿主机的8888端口，这样就能从宿主机访问容器中的服务。

   • 运行此命令后，你将进入容器的 bash shell。你可以在这里运行 PyTorch 代码。

   • --gpus all 参数指定使用所有可用的 GPU，如果你想使用特定的 GPU，可以例如使用 --gpus '"device=0,2"' 指定使用 0 和 2 号 GPU。

   • 如果需要挂载宿主机的目录到容器中，可以使用 -v 参数:

     docker run -v /path/in/host:/path/in/container --gpus all -it nvcr.io/nvidia/pytorch:24.12-py3-igpu /bin/bash
     

     其中 /path/in/host 是宿主机的文件路径， /path/in/container 是容器中的路径。

4. 退出 Docker 容器:

   • 在容器的 bash shell 中，输入 exit 并按回车键即可退出容器。

更多常用命令:

• 查看已下载的镜像:

  docker images
  

• 查看正在运行的容器:

  docker ps
  

• 查看所有容器 (包括已停止的容器):

  docker ps -a
  

• 停止容器:

  docker stop <container_id>
  

• 删除容器:

  docker rm <container_id>
  

• 删除镜像:

  docker rmi <image_id>