gpuci/miniconda-cuda

miniconda-cuda

镜像概述和主要用途

miniconda-cuda镜像在标准的nvidia/cuda基础镜像上预安装了miniconda，提供了一种便捷方式，可将conda包管理功能集成到已有的基于nvidia/cuda的工作流中，无需手动配置conda环境。

核心功能和特性

• 每日构建：镜像每24小时自动构建一次，确保基础组件保持最新
• 标签一致性：与nvidia/cuda镜像的大多数当前版本使用相同的标签命名规则，便于版本匹配
• 版本丰富：提供多种CUDA版本和操作系统组合，具体可查看https://hub.docker.com/r/gpuci/miniconda-cuda/tags

使用场景和适用范围

适用于需要在CUDA加速环境中使用conda进行包管理的场景，包括但不限于：

• 机器学习和深度学习模型开发
• 科学计算和数据分析工作流
• GPU加速应用的开发与测试
• 需要快速部署包含CUDA和conda环境的应用

使用方法和配置说明

基本使用

使用与nvidia/cuda相同的标签拉取和运行镜像：

bash
# 拉取特定版本镜像（示例使用CUDA 11.7.1版本）
docker pull gpuci/miniconda-cuda:11.7.1-cudnn8-devel-ubuntu22.04

# 运行容器
docker run --gpus all -it gpuci/miniconda-cuda:11.7.1-cudnn8-devel-ubuntu22.04 /bin/bash

验证conda安装

容器启动后，可通过以下命令验证conda是否安装成功：

bash
conda --version
# 应输出类似：conda 23.11.0 (版本号可能因构建时间而异)

标签选择

镜像标签格式与nvidia/cuda保持一致，通常格式为：
{cuda_version}-{cudnn_version}-{image_type}-{os}

例如：

• 12.1.1-cudnn8-devel-ubuntu22.04
• 11.8.0-cudnn8-runtime-ubuntu20.04

具体可用标签请参考https://hub.docker.com/r/gpuci/miniconda-cuda/tags%E3%80%82

集成到现有工作流

可直接将此镜像作为基础镜像用于Dockerfile构建：

dockerfile
FROM gpuci/miniconda-cuda:11.7.1-cudnn8-devel-ubuntu22.04

# 后续可直接使用conda命令创建环境
RUN conda create -n myenv python=3.10 -y
SHELL ["conda", "run", "-n", "myenv", "/bin/bash", "-c"]

# 安装依赖等操作
RUN pip install torch

注意事项

• 使用时需确保Docker环境已配置NVIDIA容器工具包，以支持GPU加速
• 不同标签对应不同的CUDA版本和操作系统，需根据实际需求选择匹配的标签
• 镜像仅包含miniconda基础环境，可根据需要通过conda或pip安装额外依赖