【笔记】在 Podman Machine（Fedora 42）中安装 NVIDIA Container Toolkit 使镜像能使用GPU
本文介绍了在PodmanDesktop环境中配置NVIDIA GPU支持的全过程。首先说明需要WSL2环境和已安装的主机NVIDIA驱动，详细步骤包括：添加NVIDIA容器工具包仓库、安装必要工具、启用实验版仓库、安装NVIDIA容器工具包并验证。安装完成后需生成CDI规范文件使容器能识别GPU，最后通过运行Stable Diffusion等容器验证GPU加速效果。整个过程解决了在Fedora 4
Windows 开发环境部署指南：WSL、Docker Desktop、Podman Desktop 部署顺序与存储路径迁移指南
PyCharm 链接 Podman Desktop 的 podman-machine-default Linux 虚拟环境
新！在 podman-machine-default 中安装 CUDA、cuDNN、Anaconda、PyTorch 等并验证安装
在 Podman Machine（Fedora 42）中安装 NVIDIA Container Toolkit 笔记，使构建的镜像能调用 GPU
一、前置说明
1. 环境背景
- 目标机器：Podman Machine 默认实例（系统为 Fedora 42，命名通常为
podman-machine-default） - 核心目的：为 Podman 容器（如 Stable Diffusion WebUI）提供 NVIDIA GPU 访问能力，实现 GPU 加速出图
- 依赖前提：已满足以下条件
- 主机配备 NVIDIA Pascal 及更新版本显卡
- 主机已安装支持 WSL 2 的 NVIDIA GPU 驱动（无需在 Podman Machine 内额外安装主机显卡驱动）
- Podman Desktop 及 Podman Machine 已正常部署（WSL 2 环境，不支持 Hyper-V）
安装 NVIDIA Container Toolkit — NVIDIA Container Toolkit - NVIDIA 文档
二、详细安装步骤
步骤 1：打开 podman-machine-default
方法一：使用桌面图标打开 podman-machine-default
方法二：SSH 连接到 Podman Machine
首先需通过终端连接到运行中的 Podman Machine 实例（在主机终端执行）：
podman machine ssh
连接成功后，终端提示符会切换为 Podman Machine 内的 Fedora 42 系统标识（如 [user@AI ~]$），后续所有操作均在此环境中执行。
步骤 2：添加 NVIDIA Container Toolkit YUM 仓库
通过 curl 下载仓库配置文件，并写入系统 YUM 仓库目录，执行命令：
curl -s -L https://nvda.org.cn/libnvidia-container/stable/rpm/nvidia-container-toolkit.repo | \
sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo
执行结果验证
命令成功后会输出仓库配置内容，包含两个仓库分支：
nvidia-container-toolkit：稳定版仓库（默认启用）nvidia-container-toolkit-experimental：实验版仓库（默认禁用）
步骤 3：安装 yum-utils 工具（解决命令缺失问题，其实这一步应当前置）
执行 yum-config-manager 启用实验版仓库时，若提示 sudo: yum-config-manager: command not found，需先安装 yum-utils 工具包（包含 yum-config-manager）：
sudo yum install yum-utils -y
安装过程说明
- 系统会自动加载仓库并解析依赖，需安装的包包含
dnf-utils（主工具包）和dnf-plugins-core（依赖组件） - 总下载体积约 74 KiB，安装后占用空间约 44 KiB，确认后输入
y完成安装，最终会提示Complete!表示安装成功
步骤 4：启用实验版仓库（可选但推荐）
为获取更新的工具包版本，启用 nvidia-container-toolkit-experimental 仓库，执行命令：
sudo yum-config-manager --enable nvidia-container-toolkit-experimental
注意事项
- 执行后可能出现 “This system is not registered with an entitlement server” 提示，属于 Fedora 系统默认的订阅管理提示，不影响仓库启用，可忽略。
步骤 5：安装 NVIDIA Container Toolkit
通过 YUM 安装工具包，执行命令：
sudo yum install nvidia-container-toolkit -y
关键过程说明
- GPG 密钥验证：首次安装时会提示 “repomd.xml GPG signature verification error”，系统会自动下载 NVIDIA 官方 GPG 密钥（地址：
https://nvidia.github.io/libnvidia-container/gpgkey） - 密钥确认：需确认导入密钥，密钥信息如下：
- UserID：
NVIDIA CORPORATION (Open Source Projects) <cudatools@nvidia.com> - Fingerprint：
C95B321B61E88C1809C4F759DDCAE044F796ECB0 - 输入
y确认导入，密钥导入成功后会继续加载仓库
- UserID：
- 安装结果：若之前已安装过，会提示 “Package 'nvidia-container-toolkit-1.17.8-1.x86_64' is already installed. Nothing to do.”，表示工具包已存在，无需重复安装。
步骤 6：验证安装结果
通过查看工具包版本确认安装成功，执行命令：
nvidia-ctk --version
预期输出
需显示类似以下内容，表明工具包版本正常（示例版本为 1.17.8，版本号可能随更新变化）：
NVIDIA Container Toolkit CLI version 1.17.8
commit: f202b80a9b9d0db00d9b1d73c0128c8962c55f4d
三、后续必要操作（GPU 容器适配）
安装完成后，需生成容器设备接口（CDI）规范文件，确保 Podman 容器能识别 GPU，执行命令：
sudo nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
特殊场景补充
- 若后续修改 MIG 设备配置或更新 CUDA 驱动，需重新执行上述命令生成新的 CDI 规范文件
- 若生成后容器仍无法识别 GPU，可重启 Podman Machine（主机终端执行
podman machine restart），再重新尝试。
四、验证 GPU 容器可用性（以 Stable Diffusion 为例）
AbdBarho/stable-diffusion-webui-docker：通过用户友好的 UI 轻松设置稳定扩散的 Docker 设置
当 Stable Diffusion WebUI 容器（如 AbdBarho/stable-diffusion-webui-docker）部署后，可通过以下方式确认 GPU 已识别：
- 进入容器内部终端，执行
nvidia-smi命令podman run --rm --device nvidia.com/gpu=all nvidia/cuda:11.0.3-base-ubuntu20.04 nvidia-smi - 若输出 NVIDIA 显卡信息（包含 GPU 型号、驱动版本、CUDA 版本等），则表示 GPU 已成功挂载
验证：
要验证创建的容器可以访问 GPU，您可以在已安装 NVIDIA 驱动程序的容器内使用 nvidia-smi。
在您的主机上运行以下 NVIDIA 官方容器 - 启动 Stable Diffusion 生成图片，观察日志中是否有 “Using GPU” 相关提示，且出图速度明显快于 CPU 渲染，即为验证通过。
火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。
更多推荐
30
0- 0
已为社区贡献92条内容
所有评论(0)