该镜像将 MPI 通信栈与 NVIDIA CUDA 10.2/cuDNN 8 预装于 Ubuntu 18.04，适合多卡分布式训练脚本开发、Horovod/NCCL 联调及 Slurm/K8s 批处理任务的容器化执行环境。需宿主机安装匹配版本的 NVIDIA 驱动，并通过 --gpus all 暴露 GPU。典型用法为交互式 shell 调试或 mpirun 启动训练；非长期 Web 服务，也不适合无 GPU 节点。

快速启动

docker run -it --rm --gpus all \
  -v $(pwd):/workspace -w /workspace \
  docker.io/leoxiao/openmpi3.1.2-cuda10.2-cudnn8-ubuntu18.04:latest \
  bash

推荐实践

docker run -it --rm --gpus all \
  -v $(pwd):/workspace -w /workspace \
  -v pip_cache:/root/.cache/pip \
  -e NCCL_DEBUG=INFO \
  docker.io/leoxiao/openmpi3.1.2-cuda10.2-cudnn8-ubuntu18.04:cuda10.2 \
  mpirun -np 2 python train.py

核心参数说明

• --gpus all — 暴露全部 GPU，单卡可用 --gpus device=0
• -v $(pwd):/workspace -w /workspace — 挂载训练代码与数据
• mpirun -np N — 启动 N 进程 MPI 分布式训练
• -e NCCL_DEBUG=INFO — 调试多卡通信问题
• 固定 tag — CUDA 10.2 需与宿主机驱动版本兼容