Windows 11 WSL2环境下Docker无法识别nvidia runtime问题求助

问题原因 #

Docker Desktop 4.x版本（尤其是WSL2集成模式）已采用Docker原生GPU资源管理机制，不再需要通过--runtime=nvidia或手动配置nvidia runtime来启用GPU支持。旧版的nvidia runtime配置方式不适用于当前的Docker Desktop WSL2环境，这就是你使用runtime: nvidia报错的核心原因。

解决方案 #

将docker-compose配置中的runtime: nvidia替换为以下两种兼容方式之一：

方式一：使用deploy资源预留（推荐，适配docker-compose 3.7+） #

修改后的配置文件如下：

version: '3.8'
services:
  pytorch_container:
    image: nvcr.io/nvidia/pytorch:22.07-py3
    command: ["bash"]
    volumes:
      - .:/app
    ipc: host
    ulimits:
      memlock: -1
      stack: 67108864
    stdin_open: true
    tty: true
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

方式二：使用设备挂载+环境变量（兼容旧版docker-compose） #

如果需要适配更低版本的docker-compose，可采用以下配置：

version: '3'
services:
  pytorch_container:
    image: nvcr.io/nvidia/pytorch:22.07-py3
    command: ["bash"]
    volumes:
      - .:/app
    ipc: host
    ulimits:
      memlock: -1
      stack: 67108864
    stdin_open: true
    tty: true
    devices:
      - /dev/nvidia0:/dev/nvidia0
      - /dev/nvidiactl:/dev/nvidiactl
      - /dev/nvidia-uvm:/dev/nvidia-uvm
      - /dev/nvidia-uvm-tools:/dev/nvidia-uvm-tools
    environment:
      - NVIDIA_VISIBLE_DEVICES=all

验证方法 #

启动容器后，进入容器执行以下代码验证GPU是否正常识别：

import torch
for i in range(torch.cuda.device_count()):
   print(torch.cuda.get_device_properties(i).name)

补充说明 #

你之前尝试的手动配置daemon.json添加nvidia runtime的方案，仅适用于Linux原生Docker环境。WSL2集成的Docker Desktop由桌面端统一管理daemon配置，手动修改不会生效，反而可能导致配置冲突。

内容的提问来源于stack exchange，提问作者Pedro Quilles Campo