在Linux上用Docker Compose部署GPU容器需满足：宿主机装好NVIDIA驱动（≥470.x）、Docker（≥20.10）及NVIDIA Container Toolkit并重启docker服务；Compose v2.19+推荐用runtime: nvidia加deploy.resources.reservations.devices声明GPU，且runtime不可省略。
要在 Linux 上用 Docker Compose 部署支持 GPU 的容器应用，核心是让容器能访问宿主机的 NVIDIA GPU 设备和驱动，并加载对应的运行时（nvidia-container-runtime）。Docker 本身不原生支持 GPU，需依赖 NVIDIA Container Toolkit 实现。
确认宿主机环境已就绪
这是前提，缺一不可：
- 安装了与内核匹配的 NVIDIA 显卡驱动（建议 >= 470.x），运行
nvidia-smi能正常显示 GPU 状态 - 已安装 Docker（>= 20.10）且服务正在运行
- 已安装并配置 NVIDIA Container Toolkit，并重启了 docker daemon（
sudo systemctl restart docker） - 验证是否生效：运行
docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi，应输出 GPU 信息
在 docker-compose.yml 中启用 GPU 访问
从 Docker Compose v2.19+ 开始，原生支持 deploy.resources.reservations.devices 和简化的 gpus 字段。推荐使用简洁写法：
version: "3.8"
services:
my-ai-app:
image: pytorch/pytorch:2.1.2-cuda12.1-cudnn8-runtime
runtime: nvidia # 必须显式指定，尤其在旧版 Compose 或自定义 runtime 名时
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: 1 # 使用 1 块 GPU；也可设为 "all" 或具体 ID 如 "[0,1]"
capabilities: [gpu, compute, utility] # 至少包含 gpu
⚠️ 注意：runtime: nvidia 不可省略，否则即使声明了 devices，容器仍无法调用 CUDA。
兼容旧版 Compose 或需要精细控制时
若使用 Compose v2.18 及更早版本，或需绑定特定 GPU 设备、挂载驱动路径，可改用设备直通方式：
services:
my-ai-app:
image: nvidia/cuda:12.1.1-runtime-ubuntu22.04
# 手动挂载 GPU 设备与驱动库（不推荐，仅作备选）
devices:
- /dev/nvidia0:/dev/nvidia0
- /dev/nvidiactl:/dev/nvidiactl
- /dev/nvidia-uvm:/dev/nvidia-uvm
- /dev/nvidia-modeset:/dev/nvidia-modeset
volumes:
- /usr/lib/x86_64-linux-gnu/libcuda.so.1:/usr/lib/x86_64-linux-gnu/libcuda.so.1
- /usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1:/usr/lib/x86_64-linux-gnu/libnvidia-ml.so.1
该方式耦合宿主机路径，移植性差，仅用于调试或受限环境。
启动并验证 GPU 容器
执行部署命令后，检查容器是否真正获得 GPU 权限：
- 启动服务：
docker compose up -d - 进入容器：
docker compose exec my-ai-app bash - 在容器内运行：
nvidia-smi（需镜像自带）或python -c "import torch; print(torch.cuda.is_available())" - 若返回
True且nvidia-smi输出正常，说明 GPU 已可用
如报错 “no NVIDIA GPU detected”，请回查驱动版本、container toolkit 是否启用、runtime 是否指定正确。
