主要分为 3 步，安装 docker，安装 nvidia-docker 和安装 tensorflow。如果 ubuntu 电脑上的 nvidia 显卡驱动不是 nvidia 的，那还需要安装 NVIDIA® GPU 驱动程序。
根据 docker ubuntu 的 官方文档 安装 docker。
只要根据文档中提供的命令一句句执行下来就行了，安装完成后给用户添加执行 docker 的权限。
# 创建 docker 组
sudo groupadd docker
# 添加当前用户到 docker 组
sudo usermod -aG docker $USER
# 运行下面的命令后重启一个终端可能能执行 docker 命令了，如果不行就重启下机器
newgrp docker
查看当前电脑上的显卡驱动是不是 nvidia 驱动。
打开 所有应用程序 -> 搜索 driver -> 点击 附加驱动，来查看当前使用的显卡驱动是不是 nvidia 的驱动。如果在安装 ubuntu 时勾选了为图形或无线硬件，以及其他媒体格式安装第三方软件，那么系统会自动安装 nvidia 驱动。
如果不是 nvidia 驱动的话需要自行去网上找安装教程，或者参考我的这篇博客重装一下 ubuntu 系统。
根据 tensorflow 官方文档的说明，需要在宿主机上安装 NVIDIA® GPU 驱动程序。这里的驱动程序指的就是 nvidia-docker。
根据文档上的连接，会跳转到 nvidia-docker 的 github 地址，进入安装文档。
这里的话也是根据文档上提供的命令一句句安装下来。最好执行命令前看看是什么意思。
安装完成后执行下面命令，会输出以下信息就表示安装成功。
# 执行测试安装是否成功
sudo docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi
# 控制台输出以下信息
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 450.51.06 Driver Version: 450.51.06 CUDA Version: 11.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 Tesla T4 On | 00000000:00:1E.0 Off | 0 |
| N/A 34C P8 9W / 70W | 0MiB / 15109MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
前置工作已经准备完成，只要下载 tensorflow 跑起来就行了。
去 dockerhub 查看 tensorflow 的版本。
选择一个 tag 里面带有 gpu 标识的镜像下载就行了。
执行以下命令测试 tensorflow 是否使用了 gpu，在控制台的输出中应该会看到显卡的名称
docker run --gpus all -it --rm tensorflow/tensorflow:latest-gpu \
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
或者手动进入容器，在 python 交互式命令行下输入
import tensorflow as tf;
tf.test.is_gpu_available()
// 这里会返回 True