驱动 >=510.47.03

PyTorch 1.13.1 + CUDA 11.6

生成经过验证的生产级 Dockerfile 配置

配置摘要

框架

PyTorch 1.13.1

CUDA 版本

11.6

Python 支持

3.7, 3.8, 3.9, 3.10

最低驱动

>=510.47.03

PyTorch 1.13.1 新特性

最后一个主要的 PyTorch 1.x 版本
完整的 CUDA 11.x 支持
成熟的生产环境验证

最佳用途

适用场景

维护 1.x 版本的系统
最大程度兼容旧代码
无法升级到 2.x 的项目

CUDA 11.6 优势

PyTorch 1.13.x 部署
最大向后兼容性
较旧的 Ubuntu 20.04 系统

限制: 已弃用的 CUDA 版本，建议使用 11.7+

生成 Dockerfile

配置选项

部署目标

本地 GPU 或 CPU 环境

框架

版本

CUDA 版本

Python 版本

需要 NVIDIA 驱动版本 >=510.47.03

Dockerfile

1# syntax=docker/dockerfile:1
2# ^ Required for BuildKit cache mounts and advanced features
3 
4# Generated by DockerFit (https://tools.eastondev.com/docker)
5# PYTORCH 1.13.1 + CUDA 11.6 | Python 3.11
6# Multi-stage build for optimized image size
7 
8# ==============================================================================
9# Stage 1: Builder - Install dependencies and compile
10# ==============================================================================
11FROM nvidia/cuda:11.6.2-cudnn8-devel-ubuntu20.04 AS builder
12 
13# Build arguments
14ARG DEBIAN_FRONTEND=noninteractive
15 
16# Environment variables
17ENV PYTHONUNBUFFERED=1
18ENV PYTHONDONTWRITEBYTECODE=1
19ENV TORCH_CUDA_ARCH_LIST="7.5;8.0;8.6"
20 
21# Install Python 3.11 and build tools (native)
22RUN apt-get update && apt-get install -y --no-install-recommends \
23    python3.11 \
24    python3.11-venv \
25    python3.11-dev \
26    build-essential \
27    git
28    && rm -rf /var/lib/apt/lists/*
29 
30# Create virtual environment
31ENV VIRTUAL_ENV=/opt/venv
32RUN python3.11 -m venv $VIRTUAL_ENV
33ENV PATH="$VIRTUAL_ENV/bin:$PATH"
34 
35# Upgrade pip
36RUN pip install --no-cache-dir --upgrade pip setuptools wheel
37 
38# Install PyTorch with BuildKit cache
39RUN --mount=type=cache,target=/root/.cache/pip \
40    pip install torch torchvision torchaudio \
41    --index-url https://download.pytorch.org/whl/cu116
42 
43# Install project dependencies
44COPY requirements.txt .
45RUN --mount=type=cache,target=/root/.cache/pip \
46    pip install -r requirements.txt
47 
48# ==============================================================================
49# Stage 2: Runtime - Minimal production image
50# ==============================================================================
51FROM nvidia/cuda:11.6.2-cudnn8-runtime-ubuntu20.04 AS runtime
52 
53# Labels
54LABEL maintainer="Generated by DockerFit"
55LABEL version="1.13.1"
56LABEL description="PYTORCH 1.13.1 + CUDA 11.6"
57 
58# Environment variables
59ENV PYTHONUNBUFFERED=1
60ENV PYTHONDONTWRITEBYTECODE=1
61ENV NVIDIA_VISIBLE_DEVICES=all
62ENV NVIDIA_DRIVER_CAPABILITIES=compute,utility
63 
64# Install runtime dependencies (native Python 3.11)
65RUN apt-get update && apt-get install -y --no-install-recommends \
66    python3.11 \
67    libgomp1
68    && rm -rf /var/lib/apt/lists/*
69 
70# Create non-root user for security
71ARG USERNAME=appuser
72ARG USER_UID=1000
73ARG USER_GID=$USER_UID
74RUN groupadd --gid $USER_GID $USERNAME \
75    && useradd --uid $USER_UID --gid $USER_GID -m $USERNAME
76 
77# Copy virtual environment from builder
78COPY --from=builder --chown=$USERNAME:$USERNAME /opt/venv /opt/venv
79ENV VIRTUAL_ENV=/opt/venv
80ENV PATH="$VIRTUAL_ENV/bin:$PATH"
81 
82# Set working directory
83WORKDIR /app
84 
85# Copy application code
86COPY --chown=$USERNAME:$USERNAME . .
87 
88# Switch to non-root user
89USER $USERNAME
90 
91# Expose port
92EXPOSE 8000
93 
94# Default command
95CMD ["python", "main.py"]

🚀 推荐部署

高性能 GPU 与 AI 云服务器

为您的 Docker 容器提供强大的 NVIDIA 算力支持，支持 A100/H100，全球 32 个机房可选。

支持 NVIDIA A100/H100 GPU 实例
按小时计费，测试成本低至 $0.004/h
全球 32+ 数据中心，极低访问延迟
一键运行容器化应用与裸金属服务器

🎁 立即部署

常见问题

需要什么版本的 NVIDIA 驱动?

PyTorch 1.13.1 + CUDA 11.6 需要 NVIDIA 驱动版本 >=510.47.03 或更高。

运行 nvidia-smi 检查当前驱动版本。

应该使用哪个 Python 版本?

PyTorch 1.13.1 支持 Python 版本: 3.7, 3.8, 3.9, 3.10。

推荐使用 Python 3.9 以获得最佳兼容性。

如何验证容器中的 GPU 访问?

构建镜像后运行:


docker run --gpus all your-image python -c "import torch; print(torch.cuda.is_available())"

如果 GPU 可访问，将输出 True。