DockerでのディープラーニングGPU学習環境構築方法 - Qiita

DockerでGPU学習環境構築 背景 ディープラーニングでローカルPCのGPUを使った学習環境を構築した経験のある人は、一度はNVIDIAのドライバやCUDA周りでハマった経験があるのではないでしょうか？そんなバッドノウハウ（怪文章？）をまとめたQiita記事（TensorFlowでGPU学習させるためにCUDA周りではまったときの対処法）に、なんとNVIDIAの中の人(@ksasaki さん）から「Dockerを使えば…人類は幸せになれる（超意訳）」とのコメントをいただきました！ 喜び勇んで、NVIDIAのドライバをアップデートしたところ、そこには文鎮と化した起動しないLinuxマシンが…からあげのNVIDIAとの戦いは始まったばかりだ！（戦ってません） DockerでGPU学習環境構築するメリット うまく構築できればという前提で、以下のようなメリットがあります。 様々なフレームワーク

[misshiki]

“Dockerを使うことで、CUDA、cuDNN、TensorFlowのバージョンの組み合わせに悩まなくて済むのが良いですね。”

[endo_5501]

すげえ助かった...GPU認識させるのこんなに苦労するとは思わなかった(recommandedなドライバだと全然だめで、別の奴に変えたらうまくいった)

[stealthinu]

dockerで各種環境が使えるためpytorchとかのバージョンに悩まされずに環境を利用できる／ネイティブのUbuntuにNVIDIAのドライバ入れてもnvidia-smiうまく動かないのセキュアブート無効化が必要！