使用 GPU 存取權執行 Docker Compose 服務
目錄
如果 Docker 主機包含 GPU 裝置且 Docker Daemon 已進行相應設定，則 Compose 服務可以定義 GPU 裝置保留。為此，請確保您已安裝 先決條件（若尚未安裝）。
以下章節中的範例專門介紹如何透過 Docker Compose 為服務容器提供 GPU 裝置存取權。您可以使用 docker-compose 或 docker compose 命令。如需更多資訊，請參閱 遷移至 Compose V2。
為服務容器啟用 GPU 存取
在 compose.yaml 檔案中，服務若需要 GPU，可使用 Compose Deploy 規範中的 device 屬性來參照 GPU。
這可提供對 GPU 保留更細緻的控制，因為可以為以下裝置屬性設定自訂值：
capabilities：此值指定為字串列表。例如，capabilities: [gpu]。您必須在 Compose 檔案中設定此欄位，否則在部署服務時會傳回錯誤。count：指定為整數或值all，代表應保留的 GPU 裝置數量（前提是主機擁有該數量的 GPU）。如果count設定為all或未指定，則預設會使用主機上所有可用的 GPU。device_ids：此值指定為字串列表，代表來自主機的 GPU 裝置 ID。您可以在主機上執行nvidia-smi的輸出中找到裝置 ID。如果未設定device_ids，則預設會使用主機上所有可用的 GPU。driver：指定為字串，例如driver: 'nvidia'options：代表驅動程式特定選項的鍵值對。
重要您必須設定
capabilities欄位，否則在部署服務時會傳回錯誤。
注意
count和device_ids是互斥的。您一次只能定義一個欄位。
如需有關這些屬性的更多資訊，請參閱 Compose Deploy 規範。
範例：一個用於執行可存取 1 個 GPU 裝置的服務之 Compose 檔案
services:
test:
image: nvidia/cuda:12.9.0-base-ubuntu22.04
command: nvidia-smi
deploy:
resources:
reservations:
devices:
- driver: nvidia
count: 1
capabilities: [gpu]使用 Docker Compose 執行
$ docker compose up
Creating network "gpu_default" with the default driver
Creating gpu_test_1 ... done
Attaching to gpu_test_1
test_1 | +-----------------------------------------------------------------------------+
test_1 | | NVIDIA-SMI 450.80.02 Driver Version: 450.80.02 CUDA Version: 11.1 |
test_1 | |-------------------------------+----------------------+----------------------+
test_1 | | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
test_1 | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
test_1 | | | | MIG M. |
test_1 | |===============================+======================+======================|
test_1 | | 0 Tesla T4 On | 00000000:00:1E.0 Off | 0 |
test_1 | | N/A 23C P8 9W / 70W | 0MiB / 15109MiB | 0% Default |
test_1 | | | | N/A |
test_1 | +-------------------------------+----------------------+----------------------+
test_1 |
test_1 | +-----------------------------------------------------------------------------+
test_1 | | Processes: |
test_1 | | GPU GI CI PID Type Process name GPU Memory |
test_1 | | ID ID Usage |
test_1 | |=============================================================================|
test_1 | | No running processes found |
test_1 | +-----------------------------------------------------------------------------+
gpu_test_1 exited with code 0
在擁有多個 GPU 的機器上，可以設定 device_ids 欄位以鎖定特定的 GPU 裝置，並使用 count 來限制分配給服務容器的 GPU 裝置數量。
您可以在每個服務定義中使用 count 或 device_ids。如果您嘗試兩者並用、指定無效的裝置 ID，或使用的 count 值超過系統中的 GPU 數量，則會傳回錯誤。
$ nvidia-smi
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 450.80.02 Driver Version: 450.80.02 CUDA Version: 11.0 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 Tesla T4 On | 00000000:00:1B.0 Off | 0 |
| N/A 72C P8 12W / 70W | 0MiB / 15109MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 1 Tesla T4 On | 00000000:00:1C.0 Off | 0 |
| N/A 67C P8 11W / 70W | 0MiB / 15109MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 2 Tesla T4 On | 00000000:00:1D.0 Off | 0 |
| N/A 74C P8 12W / 70W | 0MiB / 15109MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
| 3 Tesla T4 On | 00000000:00:1E.0 Off | 0 |
| N/A 62C P8 11W / 70W | 0MiB / 15109MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
存取特定裝置
若要僅允許存取 GPU-0 和 GPU-3 裝置：
services:
test:
image: tensorflow/tensorflow:latest-gpu
command: python -c "import tensorflow as tf;tf.test.gpu_device_name()"
deploy:
resources:
reservations:
devices:
- driver: nvidia
device_ids: ['0', '3']
capabilities: [gpu]