核心内容摘要
C# + PCHMI实战：5个工业自动化界面开发案例详解（附源码）
Markdown【2025最新】Ubuntu安装NVIDIA Docker全指南最稳避坑版摘要在Ubuntu上配置NVIDIA Docker环境时经常遇到“Docker服务找不到”、“GPG密钥冲突”或“下载速度慢”的问题。
本文
总结了一套经过实战验证的“最简易”安装方案抛弃Snap版本使用系统源安装Docker配合官方最新的NVIDIA Container Toolkit三步实现GPU容器化。
前言为什么写这篇教程很多教程推荐使用docker-ce官方源或者 Snap 安装 Docker但在国内网络环境下往往会遇到GPG 密钥报错源冲突导致apt update失败。
Snap 权限问题Snap 安装的 Docker 运行在沙盒中无法读取 NVIDIA 的配置文件导致报错Unknown runtime specified nvidia。
服务丢失运行systemctl restart docker提示Unit docker.service not found。
本文将演示一套**“原教旨主义”**的安装方法核心逻辑如下Docker直接使用 Ubuntu 系统源 (docker.io)最稳不折腾 GPG。
NVIDIA使用官方最新 Toolkit (nvidia-container-toolkit)性能最好。
️ 第一步环境清理与 Docker 安装为了防止之前的错误配置干扰特别是如果你之前尝试安装失败过我们需要先清理环境然后安装标准版 Docker。
#
清理可能存在的冲突源 (这是解决 GPG 报错的关键)sudorm-f /etc/apt/sources.list.d/docker*.list#
更新源并安装标准版 Docker# 直接用系统自带的包速度快且稳sudoapt-getupdatesudoapt-getinstall-y docker.io#
启动服务并设置开机自启sudosystemctl startdockersudosystemctlenabledocker检查点执行完上述命令后运行docker-v 应该能看到版本号且没有报错。
第二步配置 NVIDIA 官方源 我们需要安装 nvidia-container-toolkit 来让 Docker 能够调用显卡。
这是官方推荐的新工具取代了旧的 nvidia-docker2。
请直接复制以下整段命令在终端运行自动识别系统版本并添加 GPG Key Bashcurl-fsSL[https://nvidia.github.io/libnvidia-container/gpgkey](https://nvidia.github.io/libnvidia-container/gpgkey)|sudogpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg\curl-s -L[https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list](https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list)|\seds#deb https://#deb [signed-by/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#|\sudotee/etc/apt/sources.list.d/nvidia-container-toolkit.list ⚙️ 第三步安装工具包并配置 Runtime 安装工具包并使用 nvidia-ctk 命令自动修改 Docker 的配置文件daemon.json这比手动编辑文件更安全。
Bash#
更新源并安装工具包sudoapt-getupdatesudoapt-getinstall-y nvidia-container-toolkit#
自动配置 Docker 运行时 (核心步骤)# 这步操作会修改 /etc/docker/daemon.jsonsudonvidia-ctk runtime configure --runtimedocker#
重启 Docker 服务使配置生效sudosystemctl restartdocker✅ 第四步最终验证 安装完成后运行一个简单的 CUDA 容器来验证 GPU 是否挂载成功。
Bashsudodockerrun --rm --gpus all nvidia/cuda:
11.
2-base-ubuntu
2
04 nvidia-smi 成功的标志 如果你在终端中看到了熟悉的 显卡信息表格类似于宿主机运行 nvidia-smi 的效果恭喜你安装大功告成 附录两个“提升幸福感”的优化
免 Sudo 运行 Docker 默认情况下运行 Docker 需要 sudo非常麻烦。
执行以下命令将当前用户加入 Docker 组 Bashsudousermod-aGdocker$USER注意执行完后需要注销并重新登录服务器或重启 SSH 连接更改才会生效。
之后你就可以直接运行dockerrun... 了。
显卡调用参数详解 调用所有显卡最常用 Bashdockerrun --gpus all... 指定特定显卡例如只用第0号和第2号卡 Bashdockerrun --gpusdevice0,
..
总结 这套方案最大的优势在于避开了 Snap 版本 Docker 的坑以及第三方源 GPG 密钥管理的复杂性。
通过 Ubuntu 原生源 NVIDIA 官方工具包的组合能够在3分钟内搭建起稳定的深度学习容器环境。
如果有任何问题欢迎在评论区交流