一、参考教程

docker 如何检验能调用GPU
该教程的逻辑可以，但是操作起来不是那么顺畅（不能无脑跟着做），因此在此基础上改了一版。

二、检验步骤

1. 首先确保 ubuntu 已经安装好 nvidia 驱动和 nvidia-container-toolkit 。
   通过 nvidia-smi 检查最高支持的 cuda 版本，如下图中最高支持 13.0 的 cuda，因此后续使用的 cuda 都必须小于 13.0 版本。
   

2. 拉取 nvidia 提供的 cuda 镜像

   sudo docker pull nvidia/cuda:12.8.1-cudnn-devel-ubuntu22.04
   

   注意，需要拉取 devel 版本，因为 runtime 和 base 版本不包含 nvcc 和 CUDA 头文件。

3. 创建容器

   sudo docker run --gpus all --name gpu-test -it nvidia/cuda:12.8.1-cudnn-devel-ubuntu22.04 /bin/bash
   

   接下来的测试过程就是在这个容器内进行的。

4. 创建测试文件

   # 创建文件
   touch vector_add.cu
   

   cat > vector_add.cu << 'EOF'
   #include <stdio.h>
   #include <cuda.h>
   
   #define N 1000
   __global__ void vectorAdd(float *A, float *B, float *C) {
   	int i = threadIdx.x;
   	if (i < N) C[i] = A[i] + B[i];
   }
   
   int main() {
   	float *A, *B, *C;
   	float *d_A, *d_B, *d_C;
   
   	A = (float *)malloc(N * sizeof(float));
   	B = (float *)malloc(N * sizeof(float));
   	C = (float *)malloc(N * sizeof(float));
   
   	for (int i = 0; i < N; i++) {
       	A[i] = i;
       	B[i] = i;
   	}
   
   	cudaMalloc(&d_A, N * sizeof(float));
   	cudaMalloc(&d_B, N * sizeof(float));
   	cudaMalloc(&d_C, N * sizeof(float));
   
   	cudaMemcpy(d_A, A, N * sizeof(float), cudaMemcpyHostToDevice);
   	cudaMemcpy(d_B, B, N * sizeof(float), cudaMemcpyHostToDevice);
   
   	vectorAdd<<<1, N>>>(d_A, d_B, d_C);
   
   	cudaMemcpy(C, d_C, N * sizeof(float), cudaMemcpyDeviceToHost);
   
   	for (int i = 0; i < N; i++)
       	printf("%f + %f = %f\n", A[i], B[i], C[i]);
   
   	cudaFree(d_A);
   	cudaFree(d_B);
   	cudaFree(d_C);
   	free(A);
   	free(B);
   	free(C);
   
   	return 0;
   }
   EOF
   

   补充：vector_add.cu 是一个CUDA向量加法程序，用于演示GPU并行计算的基本流程。

5. 运行测试程序

   # 编译 cuda 程序
   nvcc -o vector_add vector_add.cu
   # 执行程序
   ./vector_add
   

   显示结果如下图，则说明 docker 容器可以使用 GPU