使用 Docker Compose 启用 GPU 访问
目录
如果 Docker 主机包含 GPU 设备且 Docker 守护进程已相应配置，Compose 服务可以定义 GPU 设备预留。为此，如果您尚未安装，请确保安装 先决条件。
以下部分中的示例专门关注如何使用 Docker Compose 为服务容器提供对 GPU 设备的访问权限。
您可以使用 docker-compose 或 docker compose 命令。有关更多信息，请参阅
迁移到 Compose V2。
为服务容器启用 GPU 访问
GPU 在 compose.yml 文件中通过 Compose Deploy 规范中的 device 属性进行引用，该属性位于需要 GPU 的服务内。
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，否则在服务部署时将返回错误。count. 该值（指定为整数或值all）表示应预留的 GPU 设备数量（前提是主机拥有相应数量的 GPU）。如果设置为count、all或未指定，则默认使用主机上所有可用的 GPU。device_ids. 该值以字符串列表形式指定，表示来自主机的 GPU 设备 ID。您可以在主机上运行nvidia-smi的输出中找到设备 ID。如果未设置任何device_ids，则默认使用主机上所有可用的 GPU。driver. 该值以字符串形式指定，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，在服务部署时将返回错误。
count和device_ids是互斥的。您一次只能定义一个字段。
有关这些属性的更多信息，请参阅 Compose 部署规范。
运行可访问 1 个 GPU 设备的服务的 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，可以将 device_ids 字段设置为目标特定的 GPU 设备，而 count 可用于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。如果您尝试同时组合两者、指定无效的设备 ID，或使用高于系统中 GPU 数量的计数值，则将返回错误。
$ 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]