在Docker中使用GPU进行深度学习开发可以通过以下步骤实现：

确保你的机器上有支持GPU的NVIDIA驱动程序安装。你可以通过运行 nvidia-smi 命令来检查GPU是否可用。

安装NVIDIA Docker运行时（nvidia-docker）。你可以通过查看官方文档来了解如何安装nvidia-docker：https://github.com/NVIDIA/nvidia-docker

创建一个Dockerfile来构建你的深度学习开发环境。在Dockerfile中，你需要指定基础镜像（如tensorflow、pytorch等），并在其中安装所需的深度学习库和依赖。

在Dockerfile中添加以下指令来启用GPU支持：

FROM tensorflow/tensorflow:latest-gpu# Set up CUDA Toolkit and cuDNNRUN apt-get update && apt-get install -y --no-install-recommends \cuda-compiler \libcudnn7=7.*-1+cuda10.1 \libcudnn7-dev=7.*-1+cuda10.1 \&& apt-mark hold libcudnn7 && apt-mark hold libcudnn7-dev

构建Docker镜像：

docker build -t my_gpu_image .

运行Docker容器，并指定使用GPU：

docker run --gpus all -it my_gpu_image

现在你可以在Docker容器中使用GPU进行深度学习开发了。记得在启动容器时显式指定使用GPU，以便让容器能够访问和利用GPU资源。