我在教自己什么是docker以及如何使用它。我是码头工人的新手，所以希望在这里学习一些基础知识。
我在我的计算机上安装了nvidia-docker（关注installation guide）和tensorflow / tensorflow：nightly-gpu-py3（nightly-gpu，启动GPU（CUDA）容器）。
cifar10_multi_gpu_train（使用tensorflow编写的python）和简单的monte-carlo模拟（用纯cuda编写）都无法运行（致命错误：没有curand.h）而fdm（写入pure cuda）或简单矩阵乘法（用python编写，带有tensorflow）在容器中工作（tensorflow / tensorflow：nightly-gpu-py3）。
仅使用CPU（如a3c）的代码可以正常使用tensorflow。
某些使用GPU的代码会返回错误消息。 （当代码使用<curand.h>）
在容器（tensorflow / tensorflow：nightly-gpu-py3）中，当我运行monte-carlo模拟时，我收到以下错误：
fatal error: curand.h: No such file or directory
locate curand.h没有返回任何内容，但当我尝试locate curand时，我得到：
/usr/local/cuda-9.0/targets/x86_64-linux/lib/libcurand.so.9.0
/usr/local/cuda-9.0/targets/x86_64-linux/lib/libcurand.so.9.0.176
/usr/share/doc/cuda-curand-9-0
/usr/share/doc/cuda-curand-9-0/changelog.Debian.gz
/usr/share/doc/cuda-curand-9-0/copyright
/var/lib/dpkg/info/cuda-curand-9-0.list
/var/lib/dpkg/info/cuda-curand-9-0.md5sums
/var/lib/dpkg/info/cuda-curand-9-0.postinst
/var/lib/dpkg/info/cuda-curand-9-0.postrm
/var/lib/dpkg/info/cuda-curand-9-0.shlibs
和locate cudnn.h：
/usr/local/lib/python3.5/dist-packages/tensorflow/include/tensorflow/core/util/use_cudnn.h
代表locate cuda.h：
/usr/include/linux/cuda.h
/usr/local/cuda-9.0/targets/x86_64-linux/include/cuda.h
/usr/local/cuda-9.0/targets/x86_64-linux/include/dynlink_cuda.h
/usr/local/cuda-9.0/targets/x86_64-linux/include/dynlink_cuda_cuda.h
/usr/local/lib/python3.5/dist-packages/tensorflow/include/tensorflow/core/platform/cuda.h
/usr/local/lib/python3.5/dist-packages/tensorflow/include/tensorflow/core/platform/stream_executor_no_cuda.h
nvcc --version返回：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176
在主机（容器外），当我尝试nvidia-docker run nvidia/cuda nvidia-smi时，我得到了
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 390.30 Driver Version: 390.30 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 108... Off | 00000000:03:00.0 On | N/A |
| 0% 48C P8 22W / 250W | 301MiB / 11177MiB | 1% Default |
+-------------------------------+----------------------+----------------------+
| 1 GeForce GTX 108... Off | 00000000:81:00.0 Off | N/A |
| 0% 51C P8 22W / 250W | 2MiB / 11178MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
+-----------------------------------------------------------------------------+
重新安装nvidia-docker，nightly-gpu-py3和#include <curand.h> - ＆gt;失败
在nightly-gpu-py3容器中，重新安装cuda / cuda toolki和#include <curand.h> - ＆gt;失败
尝试在其他未使用docker且已安装cuda / tensorflow-gpu的计算机上运行所有代码。他们工作正常。
我想我完全误解了nvidia-docker的概念以及图像/容器的作用。
nvidia-docker run <myImage>运行容器。不是docker镜像意味着它可以保存依赖项（PATH，包，...）来运行某个代码（在我的例子中，使用<curand.h>的代码）？ （和容器做实际工作？）<curand.h>意味着我不正确地安装/下载了nvidia-docker / nightly-gpu-py3？<curand.h>（nightly-gpu-py3）？sudo nvidia-docker run -it --rm -p 8888:8888 -p 6006:6006 <image> /bin/bash是我用一个给定图像开始一个新容器的命令。这可能是个问题吗？