基于 Docker 的 Caffe 环境搭建：CUDA 9.2 + cuDNN 7

"docker中cuda9.2+cudnn7+caffe环境搭建" 在这篇笔记中，我们将学习如何在docker中安装caffe-gpu环境，包括安装cuda9.2、cudnn7和caffe。这种方法可以避免影响本地主机的环境，并且方便以后移植部署。 首先，我们需要pull docker镜像，使用以下命令： ``` sudo docker pull nvidia/cuda:9.2-cudnn7-devel-ubuntu16.04 ``` 然后，我们需要clone caffe的源代码，使用以下命令： ``` cd workspace && git clone https://github.com/BVLC/caffe.git ``` 启动docker镜像，需要使用nvidia-docker命令，否则将无法使用GPU加速： ``` sudo nvidia-docker run -it -v $HOME/workspace:/var/workspace --name cuda-caffe nvidia/cuda:9.2-cudnn7-devel-ubuntu16.04 /bin/bash ``` 在docker容器中，我们需要安装依赖项，包括cuda、cudnn、blas和boost。 首先，我们需要安装cuda，官方要求cuda版本高于7.0，但是在docker镜像中已经包含了cuda9.2，所以不需要担心这个问题。 其次，我们需要安装blas，blas是一个数学计算库，包括矩阵计算等，常用的实现有MKL、ATLAS和OpenBLAS，我们这里选择OpenBLAS： ``` apt install libopenblas-dev ``` 最后，我们需要安装boost，boost是一个c++封装库，非常强大，包括许多模块。如果不需要pycaffe，可以直接使用apt安装，但是在这里，我们使用anaconda安装的python3.6，所以需要单独安装boost： ``` apt install libboost-all-dev ``` 在安装完毕依赖项后，我们可以编译caffe，使用以下命令： ``` cmake .. make -j8 make install ``` 这样，我们就成功地安装了caffe-gpu环境在docker中。这种方法可以避免影响本地主机的环境，并且方便以后移植部署。 在docker容器中，我们可以使用以下命令来启动bash： ``` sudo nvidia-docker exec -it cuda-caffe /bin/bash ``` 或者 ``` sudo docker exec -it cuda-caffe /bin/bash ``` 这将允许我们在docker容器中使用bash命令。 这篇笔记提供了一个详细的指南，指导读者如何在docker中安装caffe-gpu环境，包括安装cuda9.2、cudnn7和caffe。这种方法可以避免影响本地主机的环境，并且方便以后移植部署。