如何在NVIDIA GeForce RTX 3090上适配22.05版本运行chenrocks/uniter？

问题根源 #

原chenrocks/uniter镜像基于NVIDIA 19.05版本容器，该版本仅支持Turing及更早架构的GPU，而RTX 3090属于Ampere架构，因此触发不兼容报错。

第二个命令的参数错误原因 #

你错误地将镜像名nvcr.io/nvidia/pytorch:22.05-py3插入到docker run选项中间，且末尾多余添加了chenrocks/uniter，导致Docker将--mount等运行选项误判为容器启动命令的参数，触发exec: --: invalid option错误。

正确操作步骤 #

1. 启动兼容RTX3090的容器 #

使用NVIDIA 22.05版本PyTorch容器（支持CUDA 11.7，适配Ampere架构），并严格遵循docker run参数顺序：

docker run --gpus "device=$CUDA_VISIBLE_DEVICES" --ipc=host --rm -it \
    --mount src=$(pwd),dst=/src,type=bind \
    --mount src=$OUTPUT,dst=/storage,type=bind \
    --mount src=$PRETRAIN_DIR,dst=/pretrain,type=bind,readonly \
    --mount src=$TXT_DB,dst=/txt,type=bind,readonly \
    --mount src=$IMG_DIR,dst=/img,type=bind,readonly \
    -e NVIDIA_VISIBLE_DEVICES=$CUDA_VISIBLE_DEVICES \
    -w /src \
    nvcr.io/nvidia/pytorch:22.05-py3

注意：镜像名必须放在所有docker run选项的最后，无特殊启动命令时默认进入bash终端。

2. 在容器内配置uniter运行环境 #

进入容器后，需手动安装chenrocks/uniter所需依赖（原镜像已预装，现需自行配置）：

1. 容器自带PyTorch 1.12.0+cu117，适配RTX3090，无需额外替换
2. 安装项目依赖：

# 安装requirements.txt中声明的依赖
pip install -r requirements.txt
# 若出现版本冲突，可根据CUDA 11.7调整对应包的版本号

3. 运行uniter脚本 #

环境配置完成后，即可执行原chenrocks/uniter的训练或推理命令，示例如下：

# 根据你的任务需求调整参数
python train.py --txt_db /txt --img_db /img --pretrain /pretrain --output /storage

内容的提问来源于stack exchange，提问作者유은석