github： https://github.com/NVIDIA/nvidia-docker/wiki
官方链接：https://devblogs.nvidia.com/gpu-containers-runtime/
作用：Nvidia docker 用于开发、测试、基准测试和部署深度学习（DL）框架和HPC应用程序。大部分用户使用Nvidia-Docker来封装和运行GPU加速工作负载。
介绍：Nvidia 通过Nvidia GPU Cloud（NGC）提供了GPU加速容器，可用于DGX系统、公共云基础设施，甚至具有GPU的本地工作站，Nvidi-docker一直是这些平台（Gpu云与本地Gpu集群加速）的关键基础技术。除了Docker之外，容器技术的采用还可以用于DL和HPC工作负载的不断变化的用例集，这使设计者从根本上考虑现有的Nvidia-Docker体系结构。主要的目标不仅是跨各种容器运行时的可扩展性，还包括容器系统的可扩展性。
Nvidia docker运行时环境
Nvidia在2016年设计了Nvidia-docker，以支持利用Nvidia Gpu的Docker映像的可移植性。它允许与驱动程序无关的CUDA映像，并提供Docker命令行包装器，在启动时将驱动程序的用户模式组件和GPU设备文件转载到容器中。
在Nvidia-Docker的生命周期中，架构缺乏灵活性，原因如下：与Docker的紧密集成不允许将来支持其他容器技术，如LXC、RIO和其他运行时环境，因此设计者希望利用Docker生态中的其他工具—例如组合（用于管理由多个容器组成的应用程序）。支持GPU作为编排器（如kubernetes和Swarm）中的一级资源改进容器运行时支持GPU，特别是自动检测用户级的Nvidia驱动程序库，Nvidia内核模块，设备排序，兼容检查和GPU特性，如图形，视频加速，因此，重新设计的nvidia-docker将GPU运行时环境支持转移到另一个名为libnva-container的库中。这个库依赖于linux内核原语，并且与更高的容器运行时层无关。这使得GPU支持可以轻松扩展到不同的容器运行时环境，如Docker、LXC和RIO。这个库包含一个命令行实用程序，还提供一个API，以便将来集成到其他运行环境中。为集成到各种运行时而构建的库、工具和层统称为NVIDIA容器运行时环境（Runtime），接下来具体了解Docker和LXC的集成。
待续
网友评论