注意：
在安装过程中，要时刻提醒自己注意版本的一致性(若不一致，会走很多弯路)，包括nvidia driver cuda cudnn 和caffe ，我们需要的版本是： dirver:384以上 cuda:9.0 cudnn:7.0 caffe:1.0
几个概念
Cuda是nvidia的驱动模块，用来做gpu并发计算，它提供内核驱动和应用层的工具nvidia-smi；
Cudnn，是nvidia为深度学习封装的SDK，提供给那些使用nvidia GPU的应用统一的接口，比如caffe；
那么，nvidia为了提供简易的安装，对cuda和cudnn都提供了docker的支持，并且不断的更新维护，
开始
好了，到了我们说说caffe的时候了，Caffe是深度学习的框架，跟tensfllow属于一个地位的，caffe可以基于cpu／gpu来进行学习计算，那么，当caffe 使用gpu进行运算的时候，就用到了nvidia的gpu，也就意味着需要用到 cuda和cudnn。当然，cudnn并不是必须的，所以在编译caffe时，可以enable cudnn，也可以disable cudnn，
OK，我们再来说说caffe的版本维护，它是有BVLC进行维护的，并且BVLC提供docker的版本 BVLC／caffe，到现在，我们搞清楚了前后联系，那么在安装和参考官方文档的时候就不会出现逻辑混乱了。
现在，我们来确定我们目标，目标是使用caffe框架进行高效的深度学习开发，这个目标提到高效，那就要用到caffe 的GPU版本，那就要跟nvidia 扯上关系了，Nvidia这个东西挺麻烦，因为nvidia的驱动与其对应的应用工具都有版本关联，也就是说，驱动和工具安装的版本不一致，可能就会有冲突而无法运行，
所以，大前提是，先了解一下本地Host宿主机的GPU型号，驱动版本，以及我们要使用的cuda和cudnn的版本，这些都了解清楚了之后，
先要在Host宿主机上安装nvidia的驱动，
查看GPU型号 nvidia-smi -L
驱动装完之后，剩下的就是找对docker的版本了，首先得确定docker的版本，这个很重要，由于要使用nvidia-docker 作为runtime，nvidia-docker 与通用版本的docker是有对应关系的，nvidia只支持稳定版本的docker，详细参考 https://github.com/NVIDIA/nvidia-docker 中的Quickstart 中的链接，可以查看nvidia-docker支持的版本，注意，在安装cuda这一步是有选择性的操作，
#Test nvidia-smi with the latest official CUDA image
docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi
运行这个的结果，会安装最新的nvdia／cuda
那我们需要的是cuda9.0，可以使用下面的命令来代替上面最后这个命令，
sudo docker run --rm --runtime=nvidia nvidia/cuda:9.0-cudnn7-devel nvcc --version
这样，获取cuda9.0和cudnn7.0 到此OK了，在获取cuda相关版本的时候，我不得不提一下 nvidia 对cuda docker的官方支持，
https://hub.docker.com/r/nvidia/cuda/
在这个上面，有我们需要的最新的所有cuda和cudnn的版本。
接下来，我们需要的就是caffe了，同样，我们需要安装的是caffe docker镜像，我们的caffe需要运行在我们刚刚安装好的cuda9.0和cudnn7.0之上，而caffe的官方入口是
http://caffe.berkeleyvision.org/installation.html，
通过这个入口，我们可以最终确定caffe docker的入口
https://github.com/BVLC/caffe/tree/master/docker
对，就是这个由BVLC/caffe维护的版本，
这个上面的README 给了我们主要的参考流程，但是我们还不能直接使用，看看GPU版本的Dockerfile，我们会发现它对应的是cuda8.0的版本，
我们要使用cuda9.0来重新build一个镜像，在新build镜像时，首先需要确定基础镜像，在Dockerfile中把FROM对应的版本信息改成我们需要的,
FROM nvidia/cuda:9.0-cudnn7-devel-ubuntu16.04
接下来是另一个重头戏，编译caffe，官网上编译指导文档
http://caffe.berkeleyvision.org/installation.html#compilation
我们选择使用Make进行编译，所以，需要重新修改
Makefile.config
比如
USE_CUDNN := 1
USE_NCCL := 1
以及一些依赖库，报错什么依赖没找到就往上添加什么库，
在做make caffe 的时候，
只需要make all 和 make test 即可，
不用使用 make runtest（提示找不到）
make pycaffe 这个是需要单独编译的，也需要加上，
至此，Dockerfile修改完成，
最后，就是创建新镜像环节，这里还是需要注意一下的，
因为在新build的过程中，需要gpu库，所以必须使用nvidia-docker进行build，
sudo nvidia-docker build --rm -t rainbow/caffe:cuda9-cudnn7 .
然后就是
等待，等待。。。
祈祷吧。。。Amen
不需要安装caffe，因为在应用时一般都是在用pycaffe，所以只需要编 译好后制定PYTHONPATH即可。