Bind Mount无法直通GPU，因其仅能映射文件系统路径，而GPU是PCIe设备，需通过nvidia-container-toolkit动态注入/dev/nvidia*节点、驱动库及环境变量，或用--device参数手动挂载（不推荐）。
bind mount 本身不支持“直操物理gpu”——它只能挂载主机的文件系统路径，比如目录或配置文件，不能用来暴露或透传 pcie 设备（如 gpu）给容器。
为什么 Bind Mount 无法挂载 GPU 总线设备
GPU 是通过 PCIe 总线连接的硬件设备，Linux 中表现为 /dev/nvidia* 设备节点（如 /dev/nvidia0、/dev/nvidiactl、/dev/nvidia-uvm）以及对应的驱动模块和用户态库（如 libcuda.so）。这些不是普通文件，而是内核通过设备驱动动态创建的字符/块设备接口。
Bind Mount 只能映射已存在的主机路径（必须是真实目录或文件），而：
-
/dev/nvidia*节点依赖 nvidia 驱动加载后才生成，不是静态文件 - 仅挂载设备节点而不加载驱动、不提供 CUDA 库、不配置运行时，容器仍无法识别 GPU
- 缺少 IOMMU/VFIO 层面的设备隔离与权限控制，强行绑定设备节点存在安全与稳定性风险
真正可行的 GPU 直通方式：NVIDIA Container Toolkit
生产环境标准做法是使用 NVIDIA Container Toolkit（原 nvidia-docker2），它在容器启动时自动完成三件事：
- 把宿主机的
/dev/nvidia*设备节点按需注入容器 - 挂载必要的 NVIDIA 驱动库（
/usr/lib/x86_64-linux-gnu/libcuda.so.*等）到容器内 - 设置正确的
LD_LIBRARY_PATH和环境变量（如CUDA_VISIBLE_DEVICES）
用法示例：
docker run --gpus all -it nvidia/cuda:12.4.0-devel nvidia-smi
或指定单卡：
docker run --gpus device=0 -it nvidia/cuda:12.4.0-devel nvidia-smi
如果坚持“手动挂载设备”，需满足前提条件
极少数调试或嵌入式场景下，有人尝试用 --device 参数显式挂载设备节点（非 Bind Mount），但必须确保：
- nvidia 驱动已在宿主机正确安装并运行（
nvidia-smi在宿主机可执行） - 容器镜像中已预装匹配版本的 CUDA toolkit 或至少包含
libcuda.so - 手动指定设备 + 库路径（不推荐，易出错）：
docker run \ --device /dev/nvidia0:/dev/nvidia0 \ --device /dev/nvidiactl:/dev/nvidiactl \ --device /dev/nvidia-uvm:/dev/nvidia-uvm \ -v /usr/lib/x86_64-linux-gnu/libcuda.so.1:/usr/lib/x86_64-linux-gnu/libcuda.so.1 \ -it ubuntu:22.04 nvidia-smi
需要总线级直通？那是 KVM 虚拟化范畴
若目标是绕过宿主机驱动、让容器（或更准确地说：某个轻量虚拟机）直接控制 GPU 的 PCIe 配置空间，这已超出 Docker 容器能力范围。此时应考虑：
- KVM + VFIO-PCI 直通：将 GPU 从宿主机解绑，绑定到 VFIO 驱动，再分配给基于 QEMU 的虚拟机
- jailmaker 或其他 chroot 方案不适用：它们无设备命名空间支持，无法访问 PCIe 设备
- Docker 容器共享宿主机内核，不具备设备独占和硬件重置能力
