docker rocky容器安装cuda

<think>好的，用户想在Docker的Rocky Linux容器中安装CUDA，我需要帮他解决这个问题。首先，我得回忆一下相关的步骤。用户可能已经有一些Docker的基础，但可能不熟悉如何在Rocky Linux环境下配置CUDA。 首先，我需要确定Rocky Linux的版本是否支持CUDA。Rocky Linux是RHEL的兼容版本，所以应该和CentOS/RHEL的步骤类似。根据引用[1]和[5]，CentOS使用yum安装nvidia-docker2，而Rocky Linux可能也是用dnf或者yum。用户提到的是Rocky Linux 8，所以在安装NVIDIA驱动和CUDA工具包时，可能需要启用EPEL或其他仓库。 然后，安装NVIDIA Container Toolkit是关键，这样Docker才能使用GPU。根据引用[3]和[4]，安装nvidia-docker2后需要重启Docker服务，并验证安装。用户的环境是无网络的吗？根据引用[2]，如果无网络的话可能需要离线安装，但用户的问题里没有提到，所以假设有网络。 接下来，构建Dockerfile的时候，需要选择合适的基础镜像。NVIDIA提供了CUDA基础镜像，比如nvidia/cuda:12.2.2-base-rockylinux8，这样可以直接使用，避免自己安装CUDA。不过如果用户需要特定版本或者自定义安装，可能需要从Rocky Linux官方镜像开始，然后添加CUDA仓库，安装cuda-toolkit。 另外，用户可能需要验证CUDA是否正确安装，比如在容器中运行nvidia-smi或者编译一个示例程序。这可以确保GPU被正确识别和使用。 需要注意的坑点包括：确保宿主机已经安装了NVIDIA驱动，Docker配置正确，尤其是daemon.json中的runtime配置。引用[5]中提到修改daemon.json和SELinux设置，可能需要用户处理这些步骤。此外，SELinux可能会引起权限问题，可能需要临时禁用或配置策略。 最后，生成相关问题时要覆盖安装后的验证、离线情况、不同Linux发行版的差异以及常见错误的解决。用户可能后续会遇到驱动不兼容、容器无法访问GPU或者权限问题，所以相关问题需要引导他们进一步排查。</think>### 在Docker的Rocky Linux容器中配置CUDA的步骤 #### 1. **宿主机环境准备** - 确保宿主机已安装NVIDIA驱动和Docker引擎： ```bash # 检查NVIDIA驱动是否正常 nvidia-smi # 安装Docker sudo dnf install docker -y sudo systemctl enable --now docker ``` #### 2. **安装NVIDIA Container Toolkit** 为Docker添加GPU支持，需先配置NVIDIA容器工具包： ```bash # 添加NVIDIA容器仓库 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \ && curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.repo | sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo # 安装nvidia-docker2 sudo dnf install -y nvidia-docker2 sudo systemctl restart docker # 重启Docker服务[^1] ``` #### 3. **验证NVIDIA容器工具包** ```bash # 运行测试容器检查GPU是否可见 sudo docker run --rm --gpus all nvidia/cuda:12.2.2-base-ubi8 nvidia-smi ``` 若输出GPU信息，则配置成功[^4]。 --- #### 4. **构建Rocky Linux CUDA容器** 创建`Dockerfile`，选择官方CUDA镜像或手动安装： ```dockerfile # 使用NVIDIA官方CUDA基础镜像（推荐） FROM nvidia/cuda:12.2.2-base-rockylinux8 # 或从Rocky Linux镜像手动安装CUDA # FROM rockylinux:8 # RUN dnf install -y https://developer.download.nvidia.com/compute/cuda/repos/rhel8/x86_64/cuda-rhel8.repo \ # && dnf install -y cuda-toolkit-12-2 ``` 构建并运行容器： ```bash sudo docker build -t rocky-cuda . sudo docker run --rm --gpus all rocky-cuda nvidia-smi ``` --- #### 5. **验证CUDA功能** 在容器内编译CUDA示例程序： ```bash # 进入容器交互模式 sudo docker run -it --gpus all rocky-cuda /bin/bash # 容器内操作 cat <<EOF > sample.cu #include <stdio.h> __global__ void hello() { printf("Hello CUDA\\n"); } int main() { hello<<<1,1>>>(); cudaDeviceSynchronize(); return 0; } EOF # 编译并运行 nvcc sample.cu -o sample ./sample ``` 若输出`Hello CUDA`，则CUDA环境正常[^3]。 --- ###