Dockerfile 无法配置 GPU 调度，因其仅用于构建镜像，不参与运行时资源分配；GPU 设备挂载、可见性控制及显存限制等必须在 docker run 或 compose.yaml 中通过 --gpus、-e NVIDIA_VISIBLE_DEVICES 等参数实现。
直接在 Dockerfile 里做 GPU 调度配置是无效的。Dockerfile 只负责构建镜像，不参与运行时资源分配；GPU 设备挂载、可见性控制、显存限制等调度行为必须在容器启动阶段通过 docker run 参数 或 运行时配置 实现。
为什么 Dockerfile 不能配置 GPU 调度
Dockerfile 的指令（如 FROM、RUN、COPY）只影响镜像内容和构建过程。它无法决定容器启动时是否能访问 /dev/nvidia0、是否加载 CUDA 库、是否被分配某块 GPU——这些都由宿主机环境、Docker 运行时（nvidia-container-runtime）和启动命令共同决定。
常见误解：在 Dockerfile 中写 ENV NVIDIA_VISIBLE_DEVICES=0 或 RUN nvidia-smi，既不能让容器获得 GPU，也无法验证算力可用性（构建阶段根本没 GPU 设备）。
OpenClaw Docker Setup
下载
在 Linux 上通过 Docker 运行 OpenClaw，并使用 Tailscale 实现远程访问。⚠️ 涉及 sudo、Docker、Tailscale和凭证挂载——请先查阅安全章节...
Dockerfile 中真正该做的 GPU 相关优化
虽然不能调度，但 Dockerfile 可以为后续 GPU 运行打下坚实基础，避免版本错配、库缺失、启动失败：
- 固定 CUDA/cuDNN 版本：FROM nvidia/cuda:12.0-devel-ubuntu22.04（而非 latest），确保与宿主机驱动兼容（如 CUDA 12.0 要求驱动 ≥525.60.13）
- 精简非必要依赖：用 apt-get --no-install-recommends 安装，删掉 build-essential 等编译工具（运行时不需要），减小镜像体积和攻击面
- 预设 CUDA 环境变量：ENV PATH="/usr/local/cuda/bin:${PATH}" 和 ENV LD_LIBRARY_PATH="/usr/local/cuda/lib64"，避免容器内应用找不到 CUDA 工具链
-
验证基础 CUDA 可用性（仅限构建后测试）：RUN cd /tmp && echo '#include
' | gcc -x c++ -I/usr/local/cuda/include -c -o cuda_test.o - 2>/dev/null || exit 1，提前暴露头文件或路径问题
真正起作用的 GPU 调度配置在运行时
所有 GPU 分配逻辑必须落在 docker run 命令 或 compose.yaml 中：
- --gpus all：透传全部 GPU 设备节点和驱动库
- --gpus '"device=0,2"'：精确指定物理 GPU 编号（对应 nvidia-smi 显示的 ID）
- --gpus '"device=0,capabilities=compute,utility"'：限制设备能力（禁用显示输出，只开放计算和监控）
- -e NVIDIA_VISIBLE_DEVICES=0：配合 --gpus 使用，进一步在容器内隐藏其他 GPU，增强隔离性
- --memory=8g --cpus=4：搭配 GPU 使用，防止 CPU/内存瓶颈拖慢 GPU 计算吞吐
生产环境建议的组合实践
不要只靠 Dockerfile，要形成“镜像 + 启动配置 + 宿主机适配”三位一体：
- 宿主机：装好匹配的 NVIDIA 驱动（如 535.129.03）、nvidia-container-toolkit，并执行 nvidia-ctk runtime configure --runtime=docker
- 镜像：Dockerfile 基于官方 CUDA 镜像构建，只装业务所需框架（如 torch==2.3.0+cu121），不装冗余 GUI 工具
- 启动：用 docker run --gpus '"device=0"' -e CUDA_VISIBLE_DEVICES=0 your-image:latest，双重约束确保独占使用
