### 如何在 Docker 中安装 NVIDIA 驱动程序 要在 Docker 容器中成功使用 NVIDIA 显卡，通常需要借助 `nvidia-container-toolkit` 或者手动配置容器以支持 GPU 访问。以下是实现这一目标的具体方法： #### 方法一：通过 nvidia-container-toolkit 实现自动化的 GPU 支持 这是推荐的方法之一，因为它简化了配置过程并提供了良好的兼容性和性能。 1. **确认主机上的 NVIDIA 驱动已正确安装** 运行以下命令来验证 NVIDIA 驱动是否正常工作： ```bash nvidia-smi ``` 如果该命令返回显卡的相关信息，则说明驱动已正确安装[^1]。 2. **安装 nvidia-container-runtime 和相关工具** 使用以下脚本设置 `nvidia-docker` 的存储库以及 GPG 密钥（适用于 CentOS 系统）。对于其他 Linux 发行版，请调整相应的命令。 ```bash distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \ && curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - \ && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list ``` 接下来更新包管理器缓存并安装必要的组件： ```bash sudo apt-get update sudo apt-get install -y nvidia-container-toolkit sudo systemctl restart docker ``` 3. **测试 GPU 是否可用** 创建一个新的带有 GPU 支持的容器，并运行简单的 CUDA 测试应用程序： ```bash docker run --gpus all nvidia/cuda:11.0-base nvidia-smi ``` 此操作会启动一个基于最新 CUDA 基础镜像的容器，并显示 GPU 设备的信息[^2]。 --- #### 方法二：手动挂载设备节点至容器内部 如果无法使用自动化工具或者希望更灵活地控制资源分配，可以选择此方式。 1. **下载适合系统的 NVIDIA 驱动程序** 从 NVIDIA 官方网站获取对应版本的 Linux 驱动文件，并将其放置于本地目录下[^3]。 2. **赋予容器特权模式权限** 启动新容器时需指定参数允许其访问宿主机硬件资源： ```bash sudo docker run --privileged=true -itd --name gpu_container -v $(pwd):/data ubuntu bash ``` 3. **复制驱动到容器内完成安装流程** 将先前准备好的 `.run` 文件传输给正在运行的目标实例并通过执行相应指令完成初始化步骤： ```bash cp ./NVIDIA-Linux-x86_64*.run /var/lib/docker/volumes/<container_id>/_data/ chmod +x /var/lib/docker/volumes/<container_id>/_data/NVIDIA-Linux-x86_64*.run # 登录容器后继续处理剩余部分 cd /data && ./NVIDIA-Linux-x86_64*.run --silent ``` 注意这种方法可能带来额外的安全风险并且维护成本较高因此仅建议特殊场景下采用。 --- ### 总结 无论是利用专门设计用于集成 GPU 功能的支持套件还是采取更为基础的手工定制方案都可以达成目的即让虚拟化平台能够识别调用物理图形处理器单元从而满足高性能计算需求比如机器学习框架训练模型等任务要求。