Docker是一個開源的項目，通過構建輕量級容器來實現應用程序的虛擬化。而CUDNN是NVIDIA開發的深度神經網絡庫。那么，Docker能夠如何配合CUDNN使用呢？

首先，需要準備好NVIDIA顯卡和CUDA工具包。CUDNN庫是基于CUDA工具包開發的，所以需要在Docker中安裝CUDA工具包和CUDNN庫。可以通過在Dockerfile中指定所需要的CUDA版本和CUDNN版本，然后在構建Docker鏡像時安裝。

FROM nvidia/cuda:10.2-cudnn8-devel-ubuntu18.04
# 安裝其他軟件包和依賴項
RUN apt-get update && apt-get install -y \
git \
python3-dev \
python3-pip \
&& pip3 install --upgrade pip

接著，在Docker容器中安裝深度學習框架例如TensorFlow或Pytorch。在使用時，需要將相應的CUDA和CUDNN庫路徑映射到Docker容器中。可以通過以下方式在啟動Docker容器時進行路徑映射。

docker run --gpus all -v /usr/local/cuda:/usr/local/cuda \
-v /usr/local/cudnn:/usr/local/cudnn \
-p 8888:8888 -it tensorflow/tensorflow:latest-gpu-jupyter

其中，--gpus all 參數表示將所有NVIDIA GPU設備映射到Docker容器中。-v參數表示將本地主機上的CUDA和CUDNN庫路徑映射到Docker容器的相應路徑上。映射后，可以在Docker容器中直接使用CUDA和CUDNN庫。

使用Docker+CUDNN的好處在于可以有效地隔離應用程序和底層硬件環境，同時提高了應用程序的可移植性和靈活性。開發者可以在任何支持Docker運行的平臺上運行應用程序，而無需擔心硬件和軟件環境的不兼容問題。

綜上，Docker+CUDNN是一種高效、靈活、可移植的深度學習開發環境解決方案。通過Docker+CUDNN的組合，可以輕松地搭建起自己的深度學習環境，方便地進行深度學習研究和開發。