如何自动安装GCP上NVIDIA NGC公共计算镜像VM的NVIDIA驱动？

我之前也碰到过这个手动确认的问题，刚好可以用GCP的**启动脚本（Startup Script）**来解决，完美适配CI/CD流水线，不用手动SSH操作，还能固定驱动版本。下面是具体的实现步骤：

1. 用启动脚本自动完成驱动安装（含版本固定） #

NVIDIA的NGC镜像启动时会触发内置的驱动安装脚本，这个脚本支持非交互式模式，我们可以通过启动脚本提前设置环境变量，自动确认安装并指定驱动版本。

修改你的gcloud compute instances create命令，添加启动脚本参数：

gcloud compute instances create $INSTANCE_NAME \
  --project=$PROJECT \
  --zone=$ZONE \
  --machine-type=n1-standard-16 \
  --maintenance-policy=TERMINATE \
  --network-interface=network-tier=PREMIUM,subnet=default \
  --service-account=my-service-account@$PROJECT.iam.gserviceaccount.com \
  --scopes=https://www.googleapis.com/auth/cloud-platform \
  --accelerator=count=1,type=nvidia-tesla-t4 \
  --image=nvidia-gpu-cloud-image-2022061 \
  --image-project=nvidia-ngc-public \
  --boot-disk-size=200 \
  --boot-disk-type=pd-standard \
  --no-shielded-secure-boot \
  --shielded-vtpm \
  --shielded-integrity-monitoring \
  --reservation-affinity=any \
  --no-restart-on-failure \
  --metadata startup-script='#!/bin/bash
    # 禁用交互式提示，自动确认所有安装选项
    export DEBIAN_FRONTEND=noninteractive
    # 固定驱动版本（替换成你需要的版本，比如510.73.08）
    export NVIDIA_DRIVER_VERSION=510.73.08
    # 触发NGC镜像自带的驱动安装脚本
    /usr/bin/nvidia-driver-installer
    # 验证驱动安装状态
    nvidia-smi
    # 安装完成后自动关机，确保磁盘状态稳定
    shutdown -h now'

关键细节说明： #

• DEBIAN_FRONTEND=noninteractive：彻底跳过所有交互式确认步骤，让安装全程自动完成
• NVIDIA_DRIVER_VERSION：指定固定的驱动版本，避免每次安装最新版带来的环境不一致问题
• 最后执行shutdown -h now：让VM安装完成后自动关机，保证后续创建镜像时磁盘处于只读状态，避免损坏

2. 等待VM关机后创建自定义镜像 #

在CI/CD流水线中，必须等待VM完全关机后再执行镜像创建命令，否则可能导致镜像数据不完整。可以用gcloud compute instances wait命令监听VM状态：

# 等待VM进入TERMINATED状态
gcloud compute instances wait $INSTANCE_NAME \
  --project=$PROJECT \
  --zone=$ZONE \
  --state=TERMINATED

# 创建自定义镜像，添加版本和描述便于管理
gcloud compute images create $CUSTOM_IMAGE_NAME \
  --project=$PROJECT \
  --source-disk=$INSTANCE_NAME \
  --source-disk-zone=$ZONE \
  --family=gpu-preinstalled \
  --description="Preinstalled NVIDIA driver $NVIDIA_DRIVER_VERSION based on NGC image"

3. CI/CD流水线整合注意事项 #

• 权限配置：确保CI/CD使用的服务账号拥有以下核心权限：
  • compute.instances.create、compute.instances.delete（创建和清理临时VM）
  • compute.images.create（创建自定义镜像）
  • compute.instances.setMetadata（设置启动脚本）
• 资源清理：创建镜像后，记得删除临时VM，避免产生不必要的云资源费用：

  gcloud compute instances delete $INSTANCE_NAME \
    --project=$PROJECT \
    --zone=$ZONE \
    --quiet
  

• 参数化管理：把驱动版本、镜像名称、区域等配置做成流水线变量，方便统一维护和版本迭代

这样整个流程就完全自动化了，不需要任何手动操作，每次运行流水线都会生成一个固定驱动版本的干净镜像，完美匹配你的需求。

内容的提问来源于stack exchange，提问作者epic_gcp_user