3090/3080显卡服务器docker中使用torch的.cuda()语句卡住卡死问题解决方法

>>import torch
>>a=torch.zeros(1)
>>a=a.cuda()

之后程序就一直卡死了，没有任何报错和警告。在尝试跑模型代码时也会存在各种错误。

问题解释：
新的30系列显卡比较新，pytorch很多问题官方并没有及时更新，导致很多新问题没有错误提示和警告，具体问题还是硬件版本和pytorch不匹配。

解决过程：
我们在3090宿主机上安装的是cuda11.1+cudnn8和配套的驱动（听说宿主机不用安装cuda也行，没有尝试），之后我们在如下四种环境中测试上面的代码：
（1）docker内部使用cuda10.1+pytorch1.3.0_cuda101；
（2）docker内部使用cuda10.1+pytorch1.7.1_cuda101；
（3）docker内部使用cuda11.1+pytorch1.7.1_cuda111；
（4）docker内部使用cuda10.1+pytorch1.7.1_cuda111（注意！最后一种pytorch和cuda版本并不一致）；
测试结果是：
（1）不可以用，直接卡死没有任何提示；
（2）可以使用；
（3）不可以使用，但是会有warning提示；
（4）可以使用★。

最后结论：
如果想在30系列显卡上使用cuda10.1的容器，需要将pytorch升级至1.7.1的cuda11.1版本。可能有人会问问什么要这么做，因为我们实验室有部分服务器只有局域网，不能在线配置环境，因此最大限度利用之前的环境在离线情况下是最省时高效的。