Docker Desktop 中的 GPU 支持
目录
注意
目前，Docker Desktop 中的 GPU 支持仅在 Windows 上使用 WSL2 后端时可用。
在WSL2中使用NVIDIA GPU
Docker Desktop for Windows 支持在 NVIDIA GPU 上使用 WSL 2 GPU 虚拟化（GPU-PV）。要启用 WSL 2 GPU 虚拟化，您需要：
- 一台配备NVIDIA GPU的机器
- 最新的 Windows 10 或 Windows 11 安装
- 最新的驱动程序 来自NVIDIA，支持WSL 2 GPU虚拟化
- 最新版本的WSL 2 Linux内核。在命令行中使用
wsl --update - 确保在Docker Desktop中 WSL 2后端已开启
为了验证一切是否按预期工作，请使用docker run命令并带上--gpus=all标志。例如，以下命令将在您的GPU上运行一个简短的基准测试：
$ docker run --rm -it --gpus=all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark
输出将类似于：
Run "nbody -benchmark [-numbodies=<numBodies>]" to measure performance.
-fullscreen (run n-body simulation in fullscreen mode)
-fp64 (use double precision floating point values for simulation)
-hostmem (stores simulation data in host memory)
-benchmark (run benchmark to measure performance)
-numbodies=<N> (number of bodies (>= 1) to run in simulation)
-device=<d> (where d=0,1,2.... for the CUDA device to use)
-numdevices=<i> (where i=(number of CUDA devices > 0) to use for simulation)
-compare (compares simulation results running once on the default GPU and once on the CPU)
-cpu (run n-body simulation on the CPU)
-tipsy=<file.bin> (load a tipsy model file for simulation)
> NOTE: The CUDA Samples are not meant for performance measurements. Results may vary when GPU Boost is enabled.
> Windowed mode
> Simulation data stored in video memory
> Single precision floating point simulation
> 1 Devices used for simulation
MapSMtoCores for SM 7.5 is undefined. Default to use 64 Cores/SM
GPU Device 0: "GeForce RTX 2060 with Max-Q Design" with compute capability 7.5
> Compute 7.5 CUDA device: [GeForce RTX 2060 with Max-Q Design]
30720 bodies, total time for 10 iterations: 69.280 ms
= 136.219 billion interactions per second
= 2724.379 single-precision GFLOP/s at 20 flops per interaction
或者，如果你想尝试一些更有用的东西，你可以使用官方的 Ollama 镜像 来运行 Llama2 大型语言模型。
$ docker run --gpus=all -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
$ docker exec -it ollama ollama run llama2