1. 使用docker搭建PyTorch运行环境
可以在docker hub上选择合适的镜像,注意选择的镜像CUDA版本尽量与服务器宿主机一致,例如:在RTX 2080 Ti上,使用CUDA 9的版本(比如:floydhub/pytorch:1.0.0-gpu.cuda9cudnn7-py3.39
),就会报以下错:
RuntimeError: cuDNN error: CUDNN_STATUS_EXECUTION_FAILED
其实,不使用GPU,只用CPU的话,CuDnn版本不一致,代码也可以运行。
所以,为了GPU加速,我们还是选择CUDA 10的docker镜像
docker pull pytorch/pytorch:1.0.1-cuda10.0-cudnn7-devel
使用nvidia-docker
来run
一个容器,所以还需自备nvidia-docker
。