首先，安裝的 Docker 版本并不支持 GPU，因此需要安裝支持 GPU 的 Docker 版本。然而，在安裝和配置過(guò)程中，遇到了一系列問(wèn)題和挑戰(zhàn)。

錯(cuò)誤的安裝步驟

以下是我在嘗試安裝 GPU 版本時(shí)，執(zhí)行的錯(cuò)誤操作：

# 安裝 NVIDIA 驅(qū)動(dòng)
sudo apt-get update
sudo apt-get install -y nvidia-driver-460

# 添加 NVIDIA 運(yùn)行時(shí)配置
sudo mkdir -p /etc/systemd/system/docker.service.d
sudo tee /etc/systemd/system/docker.service.d/override.conf <<EOF
[Service]
ExecStart=
ExecStart=/usr/bin/dockerd --host=fd:// --add-runtime=/usr/bin/nvidia
EOF

# 重新啟動(dòng) Docker 服務(wù)
sudo systemctl daemon-reload
sudo systemctl restart docker

這段腳本是根據(jù) GPT 提供的方案執(zhí)行的，但我沒(méi)有注意到它可能會(huì)導(dǎo)致一些問(wèn)題。最終我發(fā)現(xiàn)，在執(zhí)行完該腳本后，Docker 無(wú)法啟動(dòng)，并且出現(xiàn)了以下錯(cuò)誤：

xtx@dell-PowerEdge-R750:~$ nvidia-docker --version
nvidia-docker: command not found

發(fā)現(xiàn)問(wèn)題：NVIDIA 驅(qū)動(dòng)安裝沖突

接下來(lái)，我發(fā)現(xiàn) nvidia-smi 無(wú)法執(zhí)行，也無(wú)法找到 NVIDIA 相關(guān)的命令。通過(guò)檢查 NVIDIA 驅(qū)動(dòng)，發(fā)現(xiàn)系統(tǒng)中安裝了多個(gè)版本的 NVIDIA 驅(qū)動(dòng)。

dpkg -l | grep nvidia

于是，我嘗試卸載了 nvidia-driver-460，但問(wèn)題依舊存在：

sudo apt-get remove --purge nvidia-driver-460

多次嘗試卸載仍然沒(méi)有解決問(wèn)題，驅(qū)動(dòng)仍然有沖突。于是決定徹底清理所有 NVIDIA 驅(qū)動(dòng)，并重新安裝：

# 清除所有 NVIDIA 驅(qū)動(dòng)
sudo apt-get purge nvidia*

# 更新包管理器
sudo apt-get update

# 安裝正確版本的 NVIDIA 驅(qū)動(dòng)
sudo apt-get install nvidia-driver-470 nvidia-utils-470

重新安裝驅(qū)動(dòng)后，雖然成功安裝了 NVIDIA 驅(qū)動(dòng)，但執(zhí)行 nvcc -V 命令時(shí)沒(méi)有任何輸出。這時(shí)我懷疑問(wèn)題可能與 CUDA Toolkit 無(wú)關(guān)，因?yàn)樵诎惭b驅(qū)動(dòng)時(shí)并沒(méi)有安裝 CUDA。

權(quán)限問(wèn)題及解決

接下來(lái)，我檢查了 ~/.bashrc 文件，確認(rèn)路徑?jīng)]有問(wèn)題。然而，考慮到權(quán)限問(wèn)題，我以 root 用戶身份進(jìn)行檢查，發(fā)現(xiàn)沒(méi)有問(wèn)題。這一步解決了驅(qū)動(dòng)的問(wèn)題。

安裝 Docker GPU 版本及其問(wèn)題

接下來(lái)，我按照官方教程安裝 Docker 的 GPU 版本，并配置了相應(yīng)的 NVIDIA 運(yùn)行時(shí)。但在啟動(dòng) Docker 時(shí)，遇到了如下錯(cuò)誤：

(tx) xtx@dell-PowerEdge-R750:/data/xtx/nnUNet/nnunetv2/inference$ systemctl status docker.service
Warning: The unit file, source configuration file or drop-ins of docker.service changed on disk. Run 'systemctl daemon-reload' to reload units.
× docker.service - Docker Application Container Engine
     Loaded: loaded (/lib/systemd/system/docker.service; enabled; vendor preset: enabled)
    Drop-In: /etc/systemd/system/docker.service.d
             └─override.conf
     Active: failed (Result: exit-code) since Thu 2025-01-16 13:39:52 CST; 7min ago
TriggeredBy: × docker.socket
       Docs: https://docs.docker.com
    Process: 113728 ExecStart=/usr/bin/dockerd --host=fd:// --add-runtime=/usr/bin/nvidia (code=exited, status=1/FAILURE)
   Main PID: 113728 (code=exited, status=1/FAILURE)
        CPU: 92ms

解決問(wèn)題的過(guò)程

一開(kāi)始，我嘗試按照網(wǎng)上的建議修改 /etc/docker/daemon.json 文件，切換到國(guó)內(nèi)鏡像源。然而，修改后仍然報(bào)錯(cuò)。接著，我打開(kāi)了 override.conf 文件，發(fā)現(xiàn)最初配置中使用了 ExecStart=/usr/bin/dockerd --host=fd:// --add-runtime=/usr/bin/nvidia 這一行，而這一行實(shí)際上導(dǎo)致了啟動(dòng)失敗。

最終，我刪除了這行配置，并重新加載并重啟了 Docker 服務(wù)：

# 重新加載 systemd 配置
sudo systemctl daemon-reload

# 重啟 Docker 服務(wù)
sudo systemctl restart docker

此時(shí)，Docker 成功啟動(dòng)，問(wèn)題得到解決。

簡(jiǎn)單總結(jié)一下

平常使用GPT習(xí)慣了，感覺(jué)簡(jiǎn)單問(wèn)題直接按照它的命令行輸入就行，沒(méi)有仔細(xì)理解該指令背后的含義，從而導(dǎo)致版本沖突。另外，發(fā)生問(wèn)題太依賴GPT和教程了，缺少自己的反思。

再面對(duì)類似的問(wèn)題時(shí)，應(yīng)該從頭逐步排除法，從系統(tǒng)配置到具體服務(wù)的每一步都要仔細(xì)檢查。解決問(wèn)題的關(guān)鍵往往是細(xì)致入微的排查和多角度的分析。即便是看似簡(jiǎn)單的操作，背后也可能隱藏著復(fù)雜的系統(tǒng)交互和配置依賴。

到此這篇關(guān)于安裝Docker GPU版本的過(guò)程及遇到坑的解決的文章就介紹到這了,更多相關(guān)安裝Docker GPU版本內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論