Docker运行Django机器学习项目报libcublas.so.10缺失如何修复

你当前使用的普通Python官方基础镜像未预装CUDA 10.2运行环境，而依赖文件里的cupy-cuda102、CUDA版本的PyTorch都需要调用系统层面的CUDA动态链接库，所以启动时找不到libcublas.so.10这个CUDA核心库文件。

前置环境配置 #

Windows 10设备需要先完成WSL2安装配置，升级Docker Desktop到最新版本并开启WSL2后端，同时安装NVIDIA Docker运行时组件，确保Docker可以正常调用宿主机的NVIDIA显卡资源。

1. 修改Dockerfile #

替换原基础镜像为NVIDIA官方预装CUDA10.2的运行时镜像，同时适配Python版本需求：

# 替换原普通Python镜像，采用适配cu102版本的CUDA官方运行时镜像
FROM nvidia/cuda:10.2-cudnn7-runtime-ubuntu18.04

ENV PYTHONUNBUFFERED 1
# 关闭安装过程的交互提示
ENV DEBIAN_FRONTEND=noninteractive

WORKDIR /app

# 安装Python3.9及对应pip，和原环境版本保持一致
RUN apt-get update && apt-get install -y \
    python3.9 \
    python3-pip \
    python3.9-dev \
    && rm -rf /var/lib/apt/lists/* \
    && update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.9 1 \
    && update-alternatives --set python3 /usr/bin/python3.9 \
    && python3 -m pip install --upgrade pip setuptools wheel

COPY ./requirements.txt /app/requirements.txt

RUN pip install --no-cache-dir -r requirements.txt

COPY . /app

2. 修改docker-compose.yml #

增加NVIDIA运行时声明，修正挂载路径匹配Dockerfile配置：

version: '3'

services:
    web:
        build: .
        # 指定使用NVIDIA运行时，才能正常调用CUDA资源
        runtime: nvidia
        # 配置CUDA运行所需环境变量
        environment:
          - NVIDIA_VISIBLE_DEVICES=all
          - NVIDIA_DRIVER_CAPABILITIES=compute,utility
        command: python manage.py runserver 0.0.0.0:8000
        volumes:
            # 修正挂载路径，和Dockerfile的WORKDIR保持一致，保证代码修改可以实时生效
            - .:/app
        ports: 
            - "8000:8000"

3. 启动验证 #

执行以下命令重新构建并启动服务即可：

• 重新构建镜像：docker-compose build --no-cache
• 启动服务：docker-compose up

如果不需要GPU加速，也可以临时替换依赖包规避CUDA配置：将requirements.txt里的cupy-cuda102==9.1.0替换为cupy==9.1.0，同时将PyTorch相关依赖替换为CPU版本torch==1.8.1+cpu、torchvision==0.9.1+cpu，使用原普通Python镜像也可正常运行，仅运算性能会下降。

内容的提问来源于stack exchange，提问作者wsm