标签：容器 -- apt cuda gpu TensorFlow docker developer

运行并挂载docker镜像
docker run -it -v E:/workspace/docker:/dl -p 8888:8888 8d78dd1e1b64 /bin/bash

安装jupyter

保存docker容器的修改

查看被修改的容器 ：docker ps -l
提交指定容器保存为新的镜像： docker commit <container id> <new image name>
查看本地所有镜像：docker images

docker commit 58a7ed5b tensorflow_gpu_jupyter

进入后台运行的容器的命令行而不创建新的容器，只需要输入以下命令：

#exec是进入已经存在的容器，run是创建新容器
docker exec -it 58a7ed5bc183 /bin/bash

docker中安装英伟达显卡驱动报错：
报错信息：

W: GPG error: https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu1804/x86_64  Release: The following signatures were invalid: BADSIG F60F4B3D7FA2AF80 cudatools <cudatools@nvidia.com>
E: The repository 'https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64  Release' is not signed.

在在Dockerfile中添加：

RUN echo 'deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64 /' > /etc/apt/sources.list.d/cuda.list

然后 apt update又报错：

error: https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu1804/x86_64  InRelease: The following signatures couldn't be verified because the public key is not available: NO_PUBKEY A4B469963BF863CC

重点：
NO_PUBKEY 467B942D3A79BD29

缺少公钥？

重新获取公钥并加入到 apt 信任密钥
1、获取 gpg 公钥
gpg --keyserver keyserver.ubuntu.com --recv-keys A4B469963BF863CC

2、导出公钥，加入到 apt 信任密钥
gpg --export --armor A4B469963BF863CC | apt-key add -

3、update

但由于在对docker容器中如何获取英伟达显卡信息，多次尝试无果，暂且搁置该方案，转为采用anaconda进行TensorFlow_gpu版本的部署

标签：容器,--,apt,cuda,gpu,TensorFlow,docker,developer
来源： https://www.cnblogs.com/whiteBear/p/16212014.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。