tensorflow/tensorflow:latest-gpu-jupyter容器启动后无内核问题咨询

• NVIDIA容器运行时配置错误
  宿主机GPU可用不代表Docker侧的GPU支持配置正确：
  1. 未正确安装nvidia-container-toolkit，仍使用旧的已废弃的nvidia-docker2组件，和当前Docker版本不兼容
  2. 安装nvidia-container-toolkit后未执行sudo systemctl restart docker重启Docker服务，配置未生效
  3. 未配置Docker默认运行时为nvidia，部分TensorFlow镜像启动时需要默认runtime支持，仅加--gpus all参数无法覆盖所有依赖场景
• 镜像文件损坏
  latest标签为滚动更新版本，拉取过程中如果出现网络波动会导致镜像层缺失，容器内的Jupyter内核配置、TensorFlow运行库可能损坏，可在启动命令中加--pull always参数强制重新拉取完整镜像验证。
• 容器内Jupyter内核未正确注册
  部分版本的官方镜像存在内置ipykernel未注册到Jupyter的问题：
  1. 启动容器时加bash后缀进入容器终端：docker run --gpus all -it --rm tensorflow/tensorflow:latest-gpu-jupyter bash
  2. 执行jupyter kernelspec list查看可用内核，若无输出则说明无注册内核
  3. 手动执行python -m ipykernel install --user注册内核后再启动Jupyter即可
• 驱动版本和镜像依赖不兼容
  最新版TensorFlow GPU镜像对宿主机NVIDIA驱动版本有最低要求，比如CUDA 12.x的镜像要求驱动版本≥525.60.13，若宿主机驱动版本低于镜像要求，会导致容器内TensorFlow初始化失败，关联的Jupyter内核启动崩溃，自然无法被检测到。你可以在宿主机执行nvidia-smi查看当前驱动版本，和镜像要求的最低版本比对。
• 权限配置错误
  部分版本的官方镜像默认以非root用户启动Jupyter进程，若该用户没有内核配置文件、TensorFlow运行目录的访问权限，会导致内核启动失败。可在启动命令中加--user root参数临时以root用户启动验证是否为权限问题。
• VSCode连接配置错误
  用VSCode连接容器内Notebook时，VSCode默认会尝试注入自定义内核，若注入失败会屏蔽容器内置内核：
  1. 打开VSCode Notebook设置，找到Notebook: Kernel Spec Provider选项
  2. 手动指定容器内置的Python解释器路径作为内核即可

内容的提问来源于stack exchange，提问作者Arizel