使用RAPIDS的cuml库时遭遇CUDA RuntimeError问题求助

1. 检查Docker容器启动命令的GPU权限 #

确保启动容器时添加GPU访问参数，否则容器无法调用NVIDIA GPU：
正确启动命令示例：

docker run --gpus all -it --rm nvcr.io/nvidia/rapidsai/rapidsai-core:22.10-cuda11.5-runtime-ubuntu20.04-py3.9

若之前启动未加--gpus all，重新启动容器后再测试代码。

2. 验证WSL2与Windows的NVIDIA驱动兼容性 #

• Windows侧需安装支持CUDA 11.5的NVIDIA驱动（GeForce 1080对应的最低驱动版本为495.29.05）
• 在WSL2终端运行nvidia-smi，确认输出包含GPU信息且驱动版本符合要求

3. 确认容器内的GPU访问正常 #

进入容器后执行nvidia-smi，若能正常显示GPU信息，说明GPU passthrough配置正常；若无输出或报错，需检查WSL2的Docker GPU支持配置：

• 确保已安装nvidia-docker2工具包
• 重启Docker服务：sudo systemctl restart docker

4. 排查GPU内存或架构兼容性问题 #

• 尝试减小测试样本量，将n_samples改为10000，运行代码看是否报错，排除内存不足导致的CUDA上下文创建失败
• GeForce 1080为Pascal架构（sm_61），RAPIDS 22.10支持该架构，若上述步骤无效，可尝试更换为CUDA 11.4版本的RAPIDS镜像：nvcr.io/nvidia/rapidsai/rapidsai-core:22.10-cuda11.4-runtime-ubuntu20.04-py3.9

5. 验证CUDA运行时可用性 #

在容器内运行以下代码，检查CUDA是否能正常初始化：

import cupy
print(cupy.cuda.runtime.getDeviceCount())

若输出为1（对应你的1080 GPU），说明CUDA环境正常；若输出0，说明容器无法识别GPU，需回到步骤1-3排查。

内容的提问来源于stack exchange，提问作者Chao Li