使用 Docker Compose 打开 GPU 访问
如果 Docker 主机包含 GPU 设备预留，并且 Docker 守护进程已相应设置，则 Compose 服务可以定义 GPU 设备预留。为此，请确保安装 先决条件（如果尚未安装）。
以下部分中的示例特别关注使用 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。有关更多信息，请参阅
迁移到 Compose V2。
启用 GPU 对服务容器的访问
在需要 GPU 的服务中，compose.yml使用
Compose Deploy 规范中的设备属性在文件中引用 GPU 。
这可以对 GPU 预留进行更精细的控制，因为可以为以下设备属性设置自定义值：
capabilities。该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，它会返回服务部署错误。count。该值指定为整数或值all，表示应保留的 GPU 设备数量（假设主机拥有该数量的 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。该值指定为字符串列表，表示来自主机的 GPU 设备 ID。您可以在nvidia-smi主机上的输出中找到设备 ID 。如果未device_ids设置，则默认使用主机上所有可用的 GPU。driver。该值指定为字符串，例如driver: 'nvidia'options。代表驱动程序特定选项的键值对。
重要的
您必须设置该
capabilities字段。否则，它会返回服务部署错误。
count并且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。
用于运行可访问 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 的计算机上，device_ids可以将该字段设置为针对特定 GPU 设备，count并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，则会返回错误。
$ 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]