这两个Docker镜像的主要区别在于是否包含了 CUDA 的开发工具集（CUDA Toolkit）。
docker pull cnstark/pytorch:1.10.0-py3.8.16-cuda11.1.1-ubuntu20.04
这个镜像只包含运行时所需的库文件，并没有额外安装CUDA Toolkit。
docker pull cnstark/pytorch:1.10.0-py3.8.16-cuda11.1.1-devel-ubuntu20.04
这个镜像包含了CUDA 11.1的开发工具集。也就是说，它不仅包含了运行CUDA程序所需的库，还包括用于开发和编译CUDA程序的工具，比如nvcc（NVIDIA CUDA编译器）、cuFFT、cuBLAS等。
如果你需要在 Docker 环境中进行CUDA程序开发或者需要使用到一些特定的GPU加速库（例如cuFFT、cuBLAS等），那么你可能会需要使用第一个带有devel标签的镜像。
如果你只是需要运行已经编译好的基于PyTorch和CUDA加速计算框架构建好并且发布成容器化应用或者服务，那么第二个版本可能更适合你，因为它更小巧、启动更快。
一般来说，推荐使用 -devel 分支的