今天很高興，因為經過將近3天的努力，我的深度學習終於邁出了第一步，caffe docker 帶給我希望。
先需要做一下簡要的提醒，在安裝過程中，要時刻提醒自己注意版本的一致性(若不一致，會走很多彎路)，包括nvidia driver cuda cudnn 和caffe ，我們需要的版本是： dirver:384以上 cuda:9.0 cudnn:7.0 caffe:1.0

首先要清楚幾個概念，Cuda是nvidia的驅動模組，用來做gpu併發計算，它提供核心驅動和應用層的工具nvidia-smi；
Cudnn，是nvidia為深度學習封裝的SDK，提供給那些使用nvidia GPU的應用統一的介面，比如caffe；
那麼，nvidia為了提供簡易的安裝，對cuda和cudnn都提供了docker的支援，並且不斷的更新維護，

好了，到了我們說說caffe的時候了，Caffe是深度學習的框架，跟tensfllow屬於一個地位的，caffe可以基於cpu／gpu來進行學習計算，那麼，當caffe 使用gpu進行運算的時候，就用到了nvidia的gpu，也就意味著需要用到 cuda和cudnn。當然，cudnn並不是必須的，所以在編譯caffe時，可以enable cudnn，也可以disable cudnn，

OK，我們再來說說caffe的版本維護，它是有BVLC進行維護的，並且BVLC提供docker的版本 BVLC／caffe，到現在，我們搞清楚了前後聯絡，那麼在安裝和參考官方文件的時候就不會出現邏輯混亂了。

現在，我們來確定我們目標，目標是使用caffe框架進行高效的深度學習開發，這個目標提到高效，那就要用到caffe 的GPU版本，那就要跟nvidia 扯上關係了，Nvidia這個東西挺麻煩，因為nvidia的驅動與其對應的應用工具都有版本關聯，也就是說，驅動和工具安裝的版本不一致，可能就會有衝突而無法執行，
所以，大前提是，先了解一下本地Host宿主機的GPU型號，驅動版本，以及我們要使用的cuda和cudnn的版本，這些都瞭解清楚了之後，
先要在Host宿主機上安裝nvidia的驅動，
檢視GPU型號 nvidia-smi -L

驅動裝完之後，剩下的就是找對docker的版本了，首先得確定docker的版本，這個很重要，由於要使用nvidia-docker 作為runtime，nvidia-docker 與通用版本的docker是有對應關係的，nvidia只支援穩定版本的docker，詳細參考 https://github.com/NVIDIA/nvidia-docker 中的Quickstart 中的連結，可以檢視nvidia-docker支援的版本，注意，在安裝cuda這一步是有選擇性的操作，
#Test nvidia-smi with the latest official CUDA image
docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi
執行這個的結果，會安裝最新的nvdia／cuda 
那我們需要的是cuda9.0，可以使用下面的命令來代替上面最後這個命令，
sudo docker run --rm --runtime=nvidia nvidia/cuda:9.0-cudnn7-devel nvcc --version


這樣，獲取cuda9.0和cudnn7.0 到此OK了，在獲取cuda相關版本的時候，我不得不提一下 nvidia 對cuda docker的官方支援，
https://hub.docker.com/r/nvidia/cuda/
在這個上面，有我們需要的最新的所有cuda和cudnn的版本。

接下來，我們需要的就是caffe了，同樣，我們需要安裝的是caffe docker映象，我們的caffe需要執行在我們剛剛安裝好的cuda9.0和cudnn7.0之上，而caffe的官方入口是
http://caffe.berkeleyvision.org/installation.html，
通過這個入口，我們可以最終確定caffe docker的入口 
https://github.com/BVLC/caffe/tree/master/docker 
對，就是這個由BVLC/caffe維護的版本，
這個上面的README 給了我們主要的參考流程，但是我們還不能直接使用，看看GPU版本的Dockerfile，我們會發現它對應的是cuda8.0的版本，
我們要使用cuda9.0來重新build一個映象，在新build映象時，首先需要確定基礎映象，在Dockerfile中把FROM對應的版本資訊改成我們需要的,
FROM nvidia/cuda:9.0-cudnn7-devel-ubuntu16.04

接下來是另一個重頭戲，編譯caffe，官網上編譯指導文件
http://caffe.berkeleyvision.org/installation.html#compilation
我們選擇使用Make進行編譯，所以，需要重新修改
Makefile.config
比如 
USE_CUDNN := 1 
USE_NCCL := 1
以及一些依賴庫，報錯什麼依賴沒找到就往上新增什麼庫，
在做make caffe 的時候，
只需要make all 和 make test 即可，
不用使用 make runtest（提示找不到）
make pycaffe 這個是需要單獨編譯的，也需要加上，

至此，Dockerfile修改完成，

接下來就是建立新映象環節，這裡還是需要注意一下的，
因為在新build的過程中，需要gpu庫，所以必須使用nvidia-docker進行build，
sudo nvidia-docker build --rm  -t  rainbow/caffe:cuda9-cudnn7 .
然後就是
等待，等待。。。
祈禱吧。。。Amen

不需要安裝caffe，因為在應用時一般都是在用pycaffe，所以只需要編   譯好後製定PYTHONPATH即可。