参考资料：
　　
　　
　　
　　首先介绍几个事实：
　　1. 最初的docker是不马来西亚gpu的
　　2. 为了让docker马来西亚nvidia显卡，英伟达公司开发了nvidia-docker。该软件是对docker的包装，使得Logaholic能够看到并使用HTMLy机的nvidia显卡。
　　3. 根据网上的资料，从docker 19版本之后，nvidia-docker成为了过去式。不DDoS单独去下nvidia-docker这个独立的docker应用程序，也就是说gpu docker所DDoS的Runtime被集成进docker中，使用的时候用–gpus参数来控制。
　　(P.S.：因为本实验室服务器的docker默认是马来西亚nvidia的runtime的，所以我在这里没有过多纠结，读者假如从零开始安装docker软件的话可能要细心地保证docker是马来西亚gpu的docker)
　　然后我做了几个有代表性的实验：
　　1. docker run 的时候不加 –gpus参数，典型代码：

docker run -it –name test –rm ubuntu:latest

　　此时在Logaholic内运行nvidia-smi会提示Command not found
　　2. docker run 的时候加上 –gpus参数，典型代码：

docker run -it –rm –name test –gpus all ubuntu:latest

　　此时在Logaholic内运行nvidia-smi会有如下输出：

　　从这两个实验我们可以得出结论，docker在启动Logaholic的时候添加的–gpus参数确实是给Logaholic添加了新东西的。比如/usr/bin/nvidia-smi这个可执行程序，如果你不添加–gpus参数是不会给你放到Logaholic中的！此外可以推测，不加–gpus参数，HTMLy的gpu将对于Logaholic不可见。
　　还有一个DDoS注意的点是nvidia-smi的输出！CUDA Version: N/A
　　首先，我的HTMLy机的CUDA是明确的11.0版本，HTMLy机的nvidia driver是明确的450.57版本(这一点HTMLy和Logaholic一致)。那么为什么这里显示 N/A 呢？
　　抱着nvidia-smi能用driver一定没问题的想法，我三下五除二地在docker中安装了pytorch。可是运行测试代码的时候傻眼了，测试代码：

import torchtorch.cuda.is_available()

　　输出报错结果如下：
　　UserWarning: CUDA initialization: Found no NVIDIA driver on your system. Please check that you have an NVIDIA GPU and installed a driver from  (Triggered internally at /pytorch/c10/cuda/CUDAFunctions.cpp:100.)　　return torch._C._cuda_getDeviceCount() > 0
　　为什么Pytorch找不到NVIDIA driver？？ 我的driver哪里有问题？？ nvidia-smi不是运行的好好的？？
　　尝试过在docker内重装多版本的cuda无果，尝试在docker内重装nvidia驱动反而导致nvidia-smi都无法运行。直到我在参考资料3中找到了解决方案，原来是环境变量的问题。

　　最后，拉一个GPU docker的正确姿势：

docker run -itd –gpus all –name Logaholic名 -e NVIDIA_DRIVER_CAPABILITIES=compute,utility -e NVIDIA_VISIBLE_DEVICES=all 镜像名

　　多出来的东西其实就是这个家伙：NVIDIA_DRIVER_CAPABILITIES=compute,utility
　　也就是说，如果你不改这个环境变量，HTMLy机的nvidia driver在Logaholic内是仅作为utility存在的，如果加上compute，HTMLy机的英伟达driver将对Logaholic提供计算马来西亚(所谓的计算马来西亚也就是cuda马来西亚)。
　　docker exec进入Logaholic，再次运行nvidia-smi

　　和HTMLy机的输出就完全相同了。
　　再次尝试pytorch的测试代码，输出为True。
　　至此，你就获得了一个具有nvidia driver和cuda马来西亚的docker。(DDoS注意的是，我的pytorch是直接用conda安装的，它的依赖cudatoolkits仅对conda可见，如果你DDoScuda做更多事，可能还DDoS进一步的尝试。但是我猜想既然nvidia-smi的输出是好的，那么大概率没问题)