Linux Mint 22.2 CUDA/cuDNN docker方案

[syaofox]

一站式 Docker 方案，专为 Linux Mint 22.2 + RTX 3060 定制：

目标：

• 完全绕过系统 CUDA/cuDNN（不污染宿主机）
• 直接用 最新 CUDA 12.8 + cuDNN 9.14
• 支持 GPU 直通 + nvidia-container-toolkit
• 一条命令启动 PyTorch/TensorFlow/Jupyter 等

---

Ⅰ. 宿主机只装 3 样东西（5 分钟搞定）

# 1. 安装最新 NVIDIA 驱动（≥560，推荐 570+）
sudo ubuntu-drivers install

# 2. 安装 nvidia-container-toolkit（让 Docker 看到 GPU）
sudo apt update
sudo apt install -y nvidia-container-toolkit
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

# 3. 重启验证
nvidia-smi
# 应看到 RTX 3060 + 驱动版本

---

Ⅱ. 一条命令启动最新 CUDA 容器

推荐镜像（NVIDIA 官方，自动匹配最新）

用途	镜像	启动命令
PyTorch	pytorch/pytorch:latest	下方
TensorFlow	tensorflow/tensorflow:latest-gpu	下方
Jupyter	pytorch/pytorch:latest + Jupyter	下方

---

1. PyTorch（CUDA 12.8 + cuDNN 9.14）

docker run --gpus all -it --rm \
  --shm-size=8g \
  -v $(pwd)/work:/workspace \
  -p 8888:8888 \
  pytorch/pytorch:latest \
  bash -c "pip install jupyterlab && jupyter lab --ip=0.0.0.0 --port=8888 --no-browser --allow-root"

浏览器打开 http://localhost:8888 → 输入 token

---

2. TensorFlow（CUDA 12.8 + cuDNN 9）

docker run --gpus all -it --rm \
  -v $(pwd)/work:/workspace \
  -p 8888:8888 \
  tensorflow/tensorflow:latest-gpu-jupyter \
  bash -c "jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser --allow-root"

---

3. 纯 CUDA 开发环境（nvcc + gcc）

docker run --gpus all -it --rm \
  -v $(pwd):/app \
  nvidia/cuda:12.8.0-devel-ubuntu24.04 \
  bash

里面运行 nvcc --version → 12.8.0
cat /usr/include/cudnn_version.h → 9.14.0

---

Ⅲ. 验证 GPU 是否正常（容器内运行）

# 进入任意容器后运行
nvidia-smi
python3 -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

输出：

True NVIDIA GeForce RTX 3060

---

Ⅳ. 常用镜像版本对照（2025-10-29）

镜像	CUDA	cuDNN	Python	备注
nvidia/cuda:12.8.0-cudnn9-devel-ubuntu24.04	12.8.0	9.14.0	-	纯开发
pytorch/pytorch:latest	12.8	9.14	3.12	含 torch 2.5+
tensorflow/tensorflow:latest-gpu	12.8	9.14	3.11	含 TF 2.19+

---

Ⅴ. 推荐：写个 docker-compose.yml（一键启动）

# 文件名: docker-compose.yml
services:
  pytorch:
    image: pytorch/pytorch:latest
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]
    volumes:
      - ./work:/workspace
    ports:
      - "8888:8888"
    command: >
      bash -c "pip install jupyterlab && 
               jupyter lab --ip=0.0.0.0 --port=8888 --no-browser --allow-root"
    shm_size: '8gb'

启动：

docker compose up -d

---

总结：你现在只需要

# 1. 装驱动 + toolkit
sudo ubuntu-drivers install
sudo apt install nvidia-container-toolkit
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

# 2. 启动 PyTorch（推荐）
mkdir work && cd work
docker run --gpus all -it --rm -v $(pwd):/workspace -p 8888:8888 pytorch/pytorch:latest \
  bash -c "pip install jupyterlab && jupyter lab --ip=0.0.0.0 --port=8888 --no-browser --allow-root"

打开浏览器 localhost:8888 → 即刻使用 CUDA 12.8 + RTX 3060