必须安装nvidia驱动和nvidia-container-toolkit，配置docker daemon后使用--gpus参数（如--gpus all）启动容器，才能在docker中正常调用宿主机nvidia gpu。
要在 Docker 容器内调用物理 GPU（如 NVIDIA 显卡），不能只靠 docker run --device 简单映射设备节点，必须配合 GPU 驱动支持与运行时环境。Docker 原生的 --device 只能暴露 /dev/nvidia* 设备文件，但缺少驱动库、CUDA 工具链和运行时协调，容器内仍无法正常使用 GPU。
确认宿主机已正确安装 NVIDIA 驱动
这是前提条件。运行以下命令验证：
nvidia-smi
若报错或无输出，说明驱动未就绪。请从 NVIDIA 官网下载匹配显卡型号和内核版本的驱动，并完成安装（注意禁用 Nouveau、重启后验证）。
安装 nvidia-container-toolkit（推荐方式）
这是目前最标准、兼容性最好的方案，替代旧版 nvidia-docker2。它让 Docker 能自动挂载驱动库、设备节点和 CUDA 相关路径。
- 添加 NVIDIA 包仓库并安装 toolkit（以 Ubuntu 22.04 为例）：
curl -sL https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -sL https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
- 配置 Docker daemon 使用该 runtime：
sudo tee /etc/docker/daemon.json
运行容器时启用 GPU 支持
不再依赖手动 --device，而是使用 --gpus 参数（Docker 19.03+ 内置支持）：
- 使用所有 GPU：
docker run --gpus all -it nvidia/cuda:11.8-base-ubuntu20.04 nvidia-smi - 指定某张 GPU（如索引 0）：
docker run --gpus device=0 -it ... - 限制显存或算力（需配合 nvidia-container-toolkit v1.12+ 和驱动支持）：
docker run --gpus '"device=0,capabilities=compute,utility"'
注意：基础镜像需含 NVIDIA 驱动兼容的 CUDA 运行时（如 nvidia/cuda 官方镜像），自定义镜像中应安装对应版本的 cuda-toolkit 或 cuda-runtime。
不推荐的手动 --device 方式（仅作了解）
若因特殊原因必须绕过 nvidia-container-toolkit，可手动映射，但极易出错：
- 需同时挂载：
/dev/nvidia0,/dev/nvidiactl,/dev/nvidia-uvm,/dev/nvidia-modeset（若有） - 还需绑定挂载宿主机驱动库：
-v /usr/lib/x86_64-linux-gnu/libcuda.so.1:/usr/lib/x86_64-linux-gnu/libcuda.so.1（路径依驱动版本而异） - 容器内仍需安装匹配的
nvidia-cuda-toolkit，且 CUDA 版本不能高于宿主机驱动支持上限（查 CUDA 兼容表）
该方式缺乏自动校验、权限管理与多卡隔离，不建议生产环境使用。
