Windows11 WSL2环境Docker调用RTX4080时GPU驱动选择失败求助

核心问题定位 #

你遇到的could not select device driver "" with capabilities: [[gpu]]错误，本质是Docker守护进程无法找到支持GPU加速的驱动组件，WSL2环境下需重点排查NVIDIA相关配置链的完整性。

1. 检查Windows端NVIDIA驱动 #

• 确保Windows系统安装支持WSL2的RTX4080驱动，版本需在495.44及以上，建议用最新的Game Ready或Studio驱动
• 在Windows命令行执行nvidia-smi，确认能正常输出GPU型号、驱动版本等信息

2. 验证WSL2内的NVIDIA组件 #

• 进入WSL2终端，执行nvidia-smi，若能正常显示GPU信息，说明WSL2与Windows的GPU映射正常；若无法输出，需重新安装WSL2适配的NVIDIA CUDA Toolkit（直接用官方deb包安装即可，无需手动编译）
• 强制安装NVIDIA Container Toolkit（Docker识别GPU的核心组件）：
  1. 配置软件源：

     curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
     curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
     sudo apt-get update
     

  2. 安装并重启Docker：

     sudo apt-get install -y nvidia-container-toolkit
     sudo systemctl restart docker
     

3. 修正Docker/docker-compose配置 #

• 先验证Docker基础GPU功能：

  docker run --rm --gpus all nvidia/cuda:12.3.1-base-ubuntu22.04 nvidia-smi
  

  若能输出GPU信息，说明Docker层面的GPU支持已正常
• 针对docker-compose，需在服务配置中明确声明GPU权限：
  方式一（新版docker-compose推荐）：

  services:
    your-service:
      # 其他配置
      deploy:
        resources:
          reservations:
            devices:
              - driver: nvidia
                count: all
                capabilities: [gpu]
  

  方式二（兼容旧版本）：

  services:
    your-service:
      # 其他配置
      devices:
        - /dev/nvidia0:/dev/nvidia0
        - /dev/nvidiactl:/dev/nvidiactl
        - /dev/nvidia-modeset:/dev/nvidia-modeset
        - /dev/nvidia-uvm:/dev/nvidia-uvm
        - /dev/nvidia-uvm-tools:/dev/nvidia-uvm-tools
  

4. 自定义Dockerfile的注意事项 #

• 若你的Dockerfile未使用NVIDIA官方基础镜像，需手动安装与WSL2、Windows驱动版本兼容的CUDA Runtime及依赖，否则容器内无法识别GPU
• 优先使用NVIDIA官方PyTorch镜像（如nvidia/pytorch:24.09-py3），这类镜像已预配置好GPU加速环境，避免手动配置出错

5. 更新WSL2内核 #

• 在Windows命令行执行wsl --update，确保WSL2内核为最新版本，旧内核可能存在GPU映射兼容性问题

最终验证 #

完成上述配置后，运行以下命令验证PyTorch GPU支持：

docker run --rm --gpus all nvidia/pytorch:24.09-py3 python -c "import torch; print(torch.cuda.is_available())"

若输出True，说明GPU已成功在Docker容器内启用。

内容的提问来源于stack exchange，提问作者Abdelkrim