如何搭建Ubuntu 22.04上CUDA 12.5与NVIDIA驱动555的Docker GPU容器环境？
摘要：教程概述 目标 在 Ubuntu 22.04 系统中，完成「NVIDIA 555 驱动（原生支持 CUDA 12.5）+ CUDA 12.5 Toolkit + NVIDIA Container Tool
教程概述
目标
在 Ubuntu 22.04 系统中，完成「NVIDIA 555 驱动（原生支持 CUDA 12.5）+ CUDA 12.5 Toolkit + NVIDIA Container Toolkit」全环境部署，实现宿主机 / 容器双端 CUDA 12.5 开发 / 运行能力，解决版本冲突、依赖断裂、Docker 识别 GPU 等核心问题。
环境基础
系统：Ubuntu 22.04 LTS (amd64)
GPU：NVIDIA GeForce RTX 2080 Ti（适配 555 驱动，其他 GPU 通用）
最终目标：宿主机nvcc -V显示 12.5，Docker 容器运行nvidia/cuda:12.5.0-devel-ubuntu22.04并正常调用 GPU + nvcc
一、前置准备：清理旧环境（避免版本冲突）
1.1 卸载旧版本 NVIDIA 驱动 / CUDA
bash
运行
# 彻底卸载所有 NVIDIA 相关包
sudo apt purge -y nvidia-* libnvidia-* cuda-*
# 清理残留依赖
sudo apt autoremove -y --purge
# 删除 DKMS 残留
sudo rm -rf /usr/src/nvidia-*
sudo dkms remove --all nvidia
# 清空 CUDA 残留目录
sudo rm -rf /usr/local/cuda*
1.2 备份关键配置（可选）
bash
运行
# 备份 apt 源和 Docker 配置
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
sudo cp /etc/docker/daemon.json /etc/docker/daemon.json.bak 2>/dev/null
1.3 重启系统（清空内核模块残留）
bash
运行
sudo reboot
二、步骤 1：安装 NVIDIA 555 驱动（适配 CUDA 12.5）
555 是 NVIDIA 官方适配 CUDA 12.5 的稳定版，避开 590 版本的依赖冲突问题。
2.1 添加 NVIDIA 官方源
bash
运行
# 安装密钥和源
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
# 更新源
sudo apt update
2.2 安装 555 驱动（仅驱动，不装 CUDA 元包）
bash
运行
# 安装 555 驱动（跳过推荐依赖，避免拉取 590 版本）
sudo apt install -y nvidia-driver-555 --no-install-recommends
# 重启系统使驱动生效
sudo reboot
2.3 验证驱动安装
bash
运行
nvidia-smi
预期输出：
plaintext
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 555.42.06 Driver Version: 555.42.06 CUDA Version: 12.5 |
|-----------------------------------------+------------------------+----------------------+
| 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 NVIDIA GeForce RTX 2080 Ti Off | 00000000:01:00.0 Off | N/A |
| 34% 46C P8 25W / 260W | 1MiB / 22528MiB | 0% Default |
+-----------------------------------------+------------------------+----------------------+
核心验证点：Driver Version: 555.x、CUDA Version: 12.5。
三、步骤 2：离线安装 CUDA 12.5 Toolkit（绕开 APT 依赖冲突）
通过 NVIDIA 官方离线.run包安装，避免 APT 源依赖混乱（核心解决 590 版本冲突问题）。
3.1 下载 CUDA 12.5 离线包
bash
运行
# 创建临时目录
mkdir -p ~/cuda125 && cd ~/cuda125
# 下载最新 CUDA 12.5 离线包（适配 Ubuntu 22.04）
wget https://developer.download.nvidia.com/compute/cuda/12.5.1/local_installers/cuda_12.5.1_555.42.06_linux.run
# 赋予执行权限
chmod +x cuda_12.5.1_555.42.06_linux.run
3.2 静默安装 CUDA 12.5 Toolkit（仅装工具包，不装驱动）
bash
运行
# 关键参数：--toolkit 仅装工具包，--driver false 跳过驱动（已手动装 555）
sudo ./cuda_12.5.1_555.42.06_linux.run --silent --toolkit --driver false --toolkitpath=/usr/local/cuda-12.5
3.3 配置 CUDA 环境变量（永久生效）
bash
运行
# 写入当前用户环境变量
echo -e "\n# CUDA 12.5 环境变量" >> ~/.bashrc
echo "export CUDA_HOME=/usr/local/cuda-12.5" >> ~/.bashrc
echo "export PATH=\$CUDA_HOME/bin:\$PATH" >> ~/.bashrc
echo "export LD_LIBRARY_PATH=\$CUDA_HOME/lib64:\$LD_LIBRARY_PATH" >> ~/.bashrc
# 加载环境变量
source ~/.bashrc
# （可选）配置系统级环境变量（所有用户生效）
sudo echo -e "\n# CUDA 12.5 系统环境变量" >> /etc/profile
sudo echo "export CUDA_HOME=/usr/local/cuda-12.5" >> /etc/profile
sudo echo "export PATH=\$CUDA_HOME/bin:\$PATH" >> /etc/profile
sudo echo "export LD_LIBRARY_PATH=\$CUDA_HOME/lib64:\$LD_LIBRARY_PATH" >> /etc/profile
sudo source /etc/profile
3.4 验证 CUDA Toolkit 安装
bash
运行
nvcc -V
预期输出：
plaintext
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Thu_Jun__6_02:18:23_PDT_2024
Cuda compilation tools, release 12.5, V12.5.82
Build cuda_12.5.r12.5/compiler.34385749_0
核心验证点：release 12.5。
四、步骤 3：配置 NVIDIA Container Toolkit（Docker 调用 GPU）
4.1 安装 nvidia-docker2（核心组件，解决 Docker 识别 GPU 问题）
bash
运行
# 添加 NVIDIA Container Toolkit 源
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
# 更新源并安装 nvidia-docker2
sudo apt update
sudo apt install -y nvidia-docker2
4.2 配置 Docker 守护进程（加载 NVIDIA 运行时）
bash
运行
# 覆盖/生成正确的 daemon.json 配置
sudo echo '{
"ipv6": false,
"registry-mirrors": ["http://docker.882286.xyz"],
"runtimes": {
"nvidia": {
"path": "/usr/bin/nvidia-container-runtime",
"runtimeArgs": []
}
}
}' > /etc/docker/daemon.json
# 重启 Docker 服务
sudo systemctl daemon-reload
sudo systemctl restart docker
4.3 验证 Docker 运行时配置
bash
运行
sudo docker info | grep -i runtime
预期输出：
plaintext
Runtimes: io.containerd.runc.v2 nvidia runc
Default Runtime: runc
核心验证点：nvidia出现在 Runtimes 列表中。
五、步骤 4：验证 Docker 容器运行 CUDA 12.5
5.1 关键说明：CUDA 镜像选择
镜像标签
包含组件
是否有 nvcc
用途
12.5.0-base-ubuntu22.04
仅 CUDA Runtime
❌ 无
运行已编译的 CUDA 程序
12.5.0-devel-ubuntu22.04
Runtime + Toolkit（含 nvcc）
✅ 有
开发 / 编译 CUDA 程序
5.2 运行 CUDA 12.5 开发镜像（验证 nvcc + GPU）
bash
运行
# 运行 devel 镜像，验证 nvcc 和 GPU 识别
sudo docker run --rm --gpus all nvidia/cuda:12.5.0-devel-ubuntu22.04 bash -c "nvcc -V && echo '---' && nvidia-smi"
预期输出：
plaintext
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Wed_Apr_17_19:19:55_PDT_2024
Cuda compilation tools, release 12.5, V12.5.40
Build cuda_12.5.r12.5/compiler.34080961_0
---
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 555.42.06 Driver Version: 555.42.06 CUDA Version: 12.5 |
|-----------------------------------------+------------------------+----------------------+
| 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 NVIDIA GeForce RTX 2080 Ti Off | 00000000:01:00.0 Off | N/A |
| 34% 46C P8 25W / 260W | 1MiB / 22528MiB | 0% Default |
+-----------------------------------------+------------------------+----------------------+
六、常见问题与解决方案
问题 1：Docker 报错could not select device driver "" with capabilities: [[gpu]]
原因：缺少nvidia-docker2组件，Docker 无法识别 GPU 驱动。
解决：重新安装nvidia-docker2（参考步骤 4.1），重启 Docker。
问题 2：容器内报错exec: "nvcc": executable file not found in $PATH
原因：使用了base镜像（无 nvcc），仅devel镜像包含编译器。
解决：改用nvidia/cuda:12.5.0-devel-ubuntu22.04镜像。
问题 3：安装驱动时出现590 版本依赖冲突
原因：APT 源自动拉取 590 版本，与 555 冲突。
解决：清理 590 缓存（sudo rm -f /var/cache/apt/archives/*590*.deb），通过apt-preferences锁定 555 版本。
问题 4：CUDA 安装时报--no-driver未知参数
原因：CUDA 12.x 离线包参数调整，--no-driver改为--driver false。
解决：使用--silent --toolkit --driver false参数（参考步骤 3.2）。
七、总结
本教程完成了从「环境清理 → 驱动升级 → CUDA 安装 → Docker 配置 → 容器验证」的全流程，核心解决了：
NVIDIA 590 版本依赖冲突问题（选择 555 稳定版）；
APT 源依赖混乱问题（离线安装 CUDA 12.5）；
Docker 无法识别 GPU 驱动问题（安装 nvidia-docker2）；
CUDA 镜像无 nvcc 问题（选择 devel 镜像）。
最终实现：
宿主机：555 驱动 + CUDA 12.5 Toolkit，支持 CUDA 程序编译；
Docker 容器：无缝调用 GPU，运行 CUDA 12.5 开发 / 运行环境。
该环境可直接用于 CUDA 程序开发、深度学习训练、容器化 GPU 部署等场景。