使用 Docker Compose 启用 GPU 访问
目录
如果Docker主机包含GPU设备并且Docker守护程序已相应设置，则Compose服务可以定义GPU设备预留。为此，请确保您已安装先决条件（如果尚未安装）。
以下部分的示例特别关注于使用Docker Compose为服务容器提供对GPU设备的访问。
您可以使用docker-compose或docker compose命令。更多信息，请参见
迁移到Compose V2。
启用GPU访问服务容器
GPU在compose.yml文件中通过Compose部署规范中的device属性引用，在需要它们的服务中使用。
这提供了对GPU预留的更细粒度控制，因为可以为以下设备属性设置自定义值：
capabilities. 此值指定为字符串列表（例如capabilities: [gpu]）。您必须在 Compose 文件中设置此字段。否则，在服务部署时会返回错误。count. 这个值，指定为整数或值all，表示应保留的GPU设备数量（前提是主机拥有该数量的GPU）。如果count设置为all或未指定，默认情况下将使用主机上所有可用的GPU。device_ids. 这个值，指定为字符串列表，表示主机上的GPU设备ID。您可以在主机的nvidia-smi输出中找到设备ID。如果没有设置device_ids，默认情况下将使用主机上所有可用的GPU。driver。此值被指定为字符串，例如driver: 'nvidia'options。表示驱动程序特定选项的键值对。
重要
您必须设置
capabilities字段。否则，在服务部署时会返回错误。
count和device_ids是互斥的。您必须一次只定义一个字段。
有关这些属性的更多信息，请参阅 Compose 部署规范。
用于运行一个服务并访问1个GPU设备的Compose文件示例
services:
test:
image: nvidia/cuda:12.3.1-base-ubuntu20.04
command: nvidia-smi
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: 1
capabilities: [gpu]使用 Docker Compose 运行：
$ docker compose up
Creating network "gpu_default" with the default driver
Creating gpu_test_1 ... done
Attaching to gpu_test_1
test_1 | +-----------------------------------------------------------------------------+
test_1 | | NVIDIA-SMI 450.80.02 Driver Version: 450.80.02 CUDA Version: 11.1 |
test_1 | |-------------------------------+----------------------+----------------------+
test_1 | | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
test_1 | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
test_1 | | | | MIG M. |
test_1 | |===============================+======================+======================|
test_1 | | 0 Tesla T4 On | 00000000:00:1E.0 Off | 0 |
test_1 | | N/A 23C P8 9W / 70W | 0MiB / 15109MiB | 0% Default |
test_1 | | | | N/A |
test_1 | +-------------------------------+----------------------+----------------------+
test_1 |
test_1 | +-----------------------------------------------------------------------------+
test_1 | | Processes: |
test_1 | | GPU GI CI PID Type Process name GPU Memory |
test_1 | | ID ID Usage |
test_1 | |=============================================================================|
test_1 | | No running processes found |
test_1 | +-----------------------------------------------------------------------------+
gpu_test_1 exited with code 0
在托管多个GPU的机器上，device_ids字段可以设置为针对特定的GPU设备，而count可以用来限制分配给服务容器的GPU设备数量。
您可以在每个服务定义中使用count或device_ids。如果您尝试同时使用两者、指定无效的设备ID或使用高于系统中GPU数量的计数值，将返回错误。
$ nvidia-smi
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 450.80.02 Driver Version: 450.80.02 CUDA Version: 11.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 Tesla T4 On | 00000000:00:1B.0 Off | 0 |
| N/A 72C P8 12W / 70W | 0MiB / 15109MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 1 Tesla T4 On | 00000000:00:1C.0 Off | 0 |
| N/A 67C P8 11W / 70W | 0MiB / 15109MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 2 Tesla T4 On | 00000000:00:1D.0 Off | 0 |
| N/A 74C P8 12W / 70W | 0MiB / 15109MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 3 Tesla T4 On | 00000000:00:1E.0 Off | 0 |
| N/A 62C P8 11W / 70W | 0MiB / 15109MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
访问特定设备
仅允许访问GPU-0和GPU-3设备：
services:
test:
image: tensorflow/tensorflow:latest-gpu
command: python -c "import tensorflow as tf;tf.test.gpu_device_name()"
deploy:
resources:
reservations:
devices:
- driver: nvidia
device_ids: ['0', '3']
capabilities: [gpu]