Docker是一個容器化平臺，可以讓開發人員更輕松地構建、部署和管理應用程序。而GPU是圖形處理器，可以大大加速某些計算任務。因此，讓Docker內使用GPU是非常有用的。

要在Docker內使用GPU，我們需要確保以下條件：

• 主機必須安裝有支持GPU的驅動程序。
• Docker版本必須為17.05或更高版本。
• 使用的映像必須包含支持GPU的驅動程序和CUDA等庫。

FROM nvidia/cuda:10.0-cudnn7-devel-ubuntu18.04
RUN apt-get update && apt-get install -y --no-install-recommends \
cuda-command-line-tools-10-0 \
libcudnn7=7.6.0.64-1+cuda10.0 \
libcudnn7-dev=7.6.0.64-1+cuda10.0 \
&& \
apt-mark hold libcudnn7 && \
rm -rf /var/lib/apt/lists/*
ENV LD_LIBRARY_PATH /usr/local/nvidia/lib:/usr/local/nvidia/lib64:${LD_LIBRARY_PATH}

以上Dockerfile代碼的作用是從nvidia/cuda:10.0-cudnn7-devel-ubuntu18.04映像中構建容器，并安裝CUDA和cudnn庫。這兩個庫是用于GPU編程的必需品。因此，這個映像可以在容器內使用GPU。

接下來，在啟動容器時，我們需要使用--runtime=nvidia來指定使用nvidia-container-runtime。如果不使用這個選項，容器將無法使用GPU。

docker run --gpus all --rm --runtime=nvidia -it \
-v /path/to/data:/data \
your-image /path/to/your/script.py

以上命令將在容器中運行your-image映像，并將本地/data目錄掛載到容器內的/data目錄。--gpus all選項指定使用所有可用的GPU，并且--runtime=nvidia指定要使用nvidia-container-runtime。最后，指定要運行的腳本路徑/path/to/your/script.py。

總之，Docker內使用GPU可以大大加速某些計算任務。只需確保主機和映像都已正確配置，然后在啟動容器時使用正確的選項即可。