博文纲领：
docker+jupyter配置实验室共用GPU服务器(超详细教程)
启动jupyter分配容器，使用--it进入交互式模式，- -p 7777：8888映射主机与容器端口，- -ipc=host共享内存，- -name 定义个性化容器名，- -v 挂载主机文件到容器，最后使用容器ID启动jupyter，指定启动参数以避免通过浏览器启动、指定容器IP、允许root模型运行以及指定jupyter的根目录。
容器启动后，复制容器中的Jupyter notebook URL，该URL的格式通常为localhost：8888/？...。在本地浏览器中打开上述URL，即可访问并运行Docker容器中的Jupyter notebook。在Visual Studio Code 中使用Jupyter：如果打算在VS Code中使用Jupyter，启动VS Code后，选择“其他内核”“现有Jupyter服务器”。
首先，搭建Docker环境。选择一个合适镜像，如基于Python的官方镜像，然后创建并进入Docker容器。接下来，安装Jupyter。由于容器内的环境已经默认支持Python和相关库，这里只需确保Jupyter能够正常运行。配置Jupyter以适应Docker环境。设置一个密码确保安全性，并在局域网内任何设备上通过Web访问Jupyter。
首先，以root权限启动一个Docker容器，确保GPU资源可用，同时以交互模式运行，并在任务完成后自动删除容器。
第三章 配置VS Code和Jupyter的Python环境 VS Code作为轻量级代码编辑器，配合插件可实现Python代码编译、远程连接等功能，适合项目开发和日常脚本编写。Jupyter Notebook则支持交互式数据探索和机器学习实验。
初次运行后，会在.config/code-server/目录下生成config.yaml文件，该文件包含了关键配置信息。其中，bind-addr用于指定绑定地址，对于Docker容器，该信息需要对应到端口映射，如20031：4091，前者是服务器端口，后者是容器端口。
如何重新安装显卡驱动
1、根据你的显卡型号和操作系统版本下载最新的驱动程序。3，卸载旧的显卡驱动：再次打开“设备管理器”，找到“显示适配器”，扩展它，然后右击你的显卡设备。选择“卸载设备”，并在弹出的窗口中勾选“删除驱动程序软件”，然后点击“卸载”。重启电脑。4，安装新的显卡驱动：打开之前下载的驱动程序安装文件。
2、首先进安全模式进驱动卸载掉，更换驱动版本安装，重启计算机，不停按F8键，直到出现系统高级启动菜单。然后选择安全模式进入安全模式，右击“计算机”属性“设备管理器”。双击显示适配器，右击显卡型号然后点击卸载就可以了。把驱动卸载完之后，就可以正常进系统桌面了，然后重新安装。
3、首先，需要确保电脑已经启动，并连接至互联网。接下来，通过下载硬件检测工具，如“GPU-Z”或“AIDA64”，来查看电脑的显卡型号。打开浏览器，在地址栏输入相应的显卡型号，如“NVIDIA GTX 1060”，进行搜索，以寻找合适的驱动程序。在搜索结果中，点击NVIDIA官方网站，进入驱动下载页面。
组装电脑上显卡在哪里台式电脑的显卡在哪个部位
1、如图所示，全红的地方是安装独立显卡的PCI显卡插槽。 ⑶ 台式电脑的显卡在哪个部位 台式机电脑一般有两种显卡。 第一种显卡是集成显卡。集成显卡被集成在CPU或者主板芯片组内部，不是以独立的板卡形式存在，在外观上是看不到的。也正因为这个原因，集成显卡是无法升级的，用户只能选择用还是不用。 第二种是独立显卡。
2、独立显卡是装在主板的PCI E接口上，不同的主板这个插槽的位置稍微有点点变化，但是总的说来，在CPU的下方，尾端有一个卡扣的长条状插槽。如下图所示：1是CPU座，2是插显卡的PCI E插槽。
3、断掉主机箱电源，打开我们组装的电脑主机，找到主板，确认我们的电脑主板是支持安装独立显卡的，有PCI独立显卡插孔。如图所示，全红的地方是安装独立显卡的PCI显卡插槽。确认我们的组装机能够安装独立显卡后，将主机箱后面的独立显卡PCI扩展槽卸下一块，方便我们安装独立显卡时固定住。