运行支持 GPU 访问的 Docker Compose 服务
目录
如果 Docker 主机包含 GPU 设备且 Docker Daemon 已相应设置，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。
以下各节中的示例重点介绍如何通过 Docker Compose 为服务容器提供 GPU 设备访问权限。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
在 `compose.yaml` 文件中，GPU 通过 Compose 部署规范中的设备属性进行引用，在需要它们的您的服务中。
这提供了对 GPU 预留的更精细控制，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`。指定为整数或值 `all`，表示应预留的 GPU 设备数量（前提是主机拥有该数量的 GPU）。如果 `count` 设置为 `all` 或未指定，则默认使用主机上所有可用的 GPU。
- `device_ids`。此值指定为字符串列表，表示主机上的 GPU 设备 ID。您可以在主机上 `nvidia-smi` 的输出中找到设备 ID。如果未设置 `device_ids`，则默认使用主机上所有可用的 GPU。
- `driver`。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。
注意`count` 和 `device_ids` 互斥。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。
用于运行具有 1 个 GPU 设备访问权限的服务的 Compose 文件示例
services:
test:
image: nvidia/cuda:12.9.0-base-ubuntu22.04
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，可以设置 `device_ids` 字段以指定特定的 GPU 设备，并且 `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 或使用超出系统中 GPU 数量的值，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
只允许访问 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]