1. 环境
- ubuntu16.04
- GTX1080Ti x 4
- nvidia-418
- cuda-10.1
- pytorch1.0.0
目标：在最新的显卡驱动下，使用不同版本的cuda和深度学习框架来执行、编译模型代码。
2. 前言
众所周知，NVIDIA的cuda版本更新的很快，且不同cuda版本不兼容，所以导致有些模型的部分layer在cuda编译时，十分的麻烦。
例如我碰到的例子，实验室需要运行flownet2.0，NVIDIA给出了官方实现，但其中有几个layer使用了cuda编写，在运行模型之前要先编译这几个layer，这就导致了几个问题：
- pytorch版本限制为0.4.1，实验室服务器的版本是1.0.0
- cuda版本要求9.0，实验室服务器的版本是10.1
在不能回退服务器版本的情况下，就需要献上docker大法了，这也是本篇博客的主题。
3. 更新nvidia驱动
在切换cuda之前，我推荐给你的服务器来个大升级，把驱动更新到最新以支持最新版的cuda（目前是10.1）。
但是驱动也不是随意更新的，例如我安装nvidia-410和nvidia-415驱动，都不能识别显卡（nvidia-smi命令运行不了）。
大家肯定常常听说，cuda的恐怖之处在于需要和显卡驱动版本对应，其实cuda-8.0后就没有这个问题了，可以看NVIDIA给出的版本对照表格：
https://github.com/NVIDIA/nvidia-docker/wiki/CUDA
所以其实只需要保持驱动最新就行了，没有版本的上限，所以推荐给你的驱动做一下升级。
首先查看推荐驱动：
sudo ubuntu-drivers devices
输出：
== /sys/devices/pci0000:80/0000:80:03.0/0000:83:00.0 == modalias : pci:v000010DEd00001B06sv000010DEsd0000120Fbc03sc00i00 vendor : NVIDIA Corporation driver : nvidia-418 - third-party free recommended driver : nvidia-396 - third-party free driver : nvidia-415 - third-party free driver : nvidia-390 - third-party free driver : nvidia-410 - third-party free driver : xserver-xorg-video-nouveau - distro free builtin driver : nvidia-384 - distro non-free
可见推荐的驱动为nvidia-418
建议在安装新驱动之前卸载旧版本驱动：
sudo apt-get remove --purge '^nvidia-.*' sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update sudo apt install nvidia-418 # 需要重启才能生效 sudo reboot
安装完成后检查是否生效：
nvidia-smi
4. 安装docker和nvidia-docker
这一步就跳过啦，网上已经有很多教程了。
验证是否可以运行多cuda环境（会自动pull不存在的镜像）：
docker run --runtime=nvidia --rm nvidia/cuda:9.0-base nvidia-smi docker run --runtime=nvidia --rm nvidia/cuda:10.0-base nvidia-smi
5. 万金油，启动
万金油docker：https://github.com/ufoym/deepo （docker hub上的说明文档更新不及时）
可以看到你可以选择不同版本的cuda来安装镜像，这里以flownet2.0需要的pytorch0.4.1和cuda-9.0举例：
首先把cuda-9.0 + pytorch的镜像拉取下来：
docker pull ufoym/deepo:pytorch-py36-cu90
运行（这里假设你的数据放在/home/ubuntu/data下：
docker run --runtime=nvidia -it -v /home/ubuntu/data:/data ufoym/deepo:pytorch-py36-cu90 bash
此时就会进入docker的bash，我们来检查一下版本是否正确：
root@6b0ddf89d46f:/# python Python 3.6.8 (default, Dec 24 2018, 19:24:27) [GCC 5.4.0 20160609] on linux Type "help", "copyright", "credits" or "license" for more information. >>> import torch >>> torch.__version__ '1.0.0' >>> torch.version.cuda '9.0.176' >>>
可以发现cuda版本对了，但是torch还是1.0.0，这个时候我们只需要查阅一下pytorch的官网，重装一下pytorch就行了。
旧版本参阅：https://pytorch.org/get-started/previous-versions/
# 卸载旧版本 pip uninstall pytorch-nightly torchvision-nightly # 安装新版 pip install https://download.pytorch.org/whl/cu90/torch-0.4.1-cp36-cp36m-linux_x86_64.whl
再次验证后，torch版本已经修改到了0.4.1：
root@6b0ddf89d46f:/# python Python 3.6.8 (default, Dec 24 2018, 19:24:27) [GCC 5.4.0 20160609] on linux Type "help", "copyright", "credits" or "license" for more information. >>> import torch >>> torch.__version__ '0.4.1' >>> torch.version.cuda '9.0.176' >>>
这个时候我们就能cd到data目录下，对flownet的几个cuda layer进行编译了。
但是如果你退出了docker bash，这个镜像会被关闭，这个时候只需要执行以下命令就可以再次进入：
# 查看刚刚启动的镜像id docker ps -a # 启动镜像 docker start 6b0dd # 进入bash docker exec -it 6b0dd bash # 当你再次退出时就不需要重新启动镜像了，直接用上述命令进入即可。
6. 总结
做完上述事情后，我们就可以在最新的显卡驱动下，使用各版本的cuda来编译我们的代码了。
7. 参考资料
参考博客：
http://andy51002000.blogspot.com/2019/01/nvidia-smi-has-failed-because-it.html
CUDA版本列表：
https://github.com/NVIDIA/nvidia-docker/wiki/CUDA
查看推荐驱动：
sudo ubuntu-drivers devices
查看显卡是否识别：
lspci | grep 'VGA'
确认kernel版本：
uname -a
升级ubuntu：
sudo do-release-upgrade -d
安装驱动：
sudo apt-get remove --purge '^nvidia-.*' sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update sudo apt install nvidia-418
重启
sudo reboot
查看安装是否成功
nvidia-smi
检测cuda10在docker中是否可用：
docker run --runtime=nvidia --rm nvidia/cuda:10.0-base nvidia-smi
安装deepo：
docker pull ufoym/deepo:all-jupyter-py36-cu100