4. 安装 NVIDIA Container Toolkit：让容器真正用上 GPU

Docker 装好了，Isaac Sim 镜像也拉下来了。但如果你直接 docker run，大概率会报错——容器里根本找不到 GPU。为什么？因为 Docker 默认只管理 CPU 和内存，GPU 这种硬件资源需要额外「搭桥」。

这个桥，就是 NVIDIA Container Toolkit。说白了，它把宿主机的 NVIDIA 驱动和 CUDA 库「映射」进容器，让容器里的程序以为自己直接跑在物理机上。我当年第一次配的时候，卡在这一步整整半天，后来才发现是 toolkit 版本和驱动不匹配。

4.1 安装前的检查清单

动手之前，先确认三件事。少了任何一件，后面都会踩坑。

4.2 安装 NVIDIA Container Toolkit

官方推荐用 apt 仓库安装，干净又省心。我个人习惯用这个流程，几乎没出过问题。

步骤 1：添加 NVIDIA 官方仓库

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

这里有个小细节：$distribution 会自动识别你的系统版本，比如 Ubuntu 22.04 会变成 ubuntu22.04。如果你手动指定版本，反而容易出错。

步骤 2：安装 toolkit 和运行时

sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit nvidia-container-runtime

嗯，这里要注意。有些教程只装 nvidia-container-toolkit，但 Isaac Sim 需要完整的运行时支持。我建议两个都装上，省得后面补装。

步骤 3：配置 Docker 运行时

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

nvidia-ctk 这个工具会自动修改 Docker 的 daemon.json，添加 nvidia 运行时。你可以用 cat /etc/docker/daemon.json 确认一下，应该能看到类似这样的内容：

{
    "runtimes": {
        "nvidia": {
            "args": [],
            "path": "nvidia-container-runtime"
        }
    }
}

4.3 验证 GPU 在容器内的可用性

装完别急着跑 Isaac Sim，先用一个轻量级镜像验证。我习惯用 nvidia/cuda:12.2.0-base-ubuntu22.04，因为它小，启动快。

docker run --rm --gpus all nvidia/cuda:12.2.0-base-ubuntu22.04 nvidia-smi

如果看到和宿主机一样的 GPU 信息，恭喜你，通了！

但有时候输出是这样的：

docker: Error response from daemon: could not select device driver "" with capabilities: [[gpu]]

别慌。这通常意味着 Docker 没有正确识别 nvidia 运行时。检查一下 daemon.json 是否配置正确，或者重启 Docker 试试。

4.4 常见安装问题排查

我整理了几个高频问题，都是我在项目里真实踩过的坑。

问题 1：nvidia-smi 报「command not found」

原因：驱动没装，或者 PATH 没包含 /usr/bin。
解决：先跑 ls /usr/bin/nvidia-smi 确认文件存在。如果不存在，重装驱动。如果存在，检查 echo $PATH 是否包含 /usr/bin。

问题 2：容器内 nvidia-smi 显示「No devices were found」

原因：容器没挂载 GPU 设备，或者 --gpus 参数写错了。
解决：确认命令里带了 --gpus all。如果还不行，试试 --gpus '"device=0"' 指定具体 GPU。

问题 3：docker run 报「nvidia-container-cli: initialization error」

原因：toolkit 版本和驱动不兼容，或者 nvidia-container-runtime 没正确注册。
解决：升级 toolkit 到最新版：sudo apt-get install --only-upgrade nvidia-container-toolkit。然后重新配置运行时。

问题 4：容器启动成功，但 Isaac Sim 报「CUDA error: out of memory」

原因：宿主机 GPU 显存被其他进程占满了。
解决：用 nvidia-smi 查看显存占用，杀掉无关进程。或者用 --gpus '"device=0"' 指定显存空闲的 GPU。

4.5 知识结构图：GPU 容器化全流程

下面这张图把整个流程串起来了。从宿主机硬件到容器内应用，每一层的关系一目了然。

4.6 进阶：配置非 root 用户运行

默认情况下，Docker 需要 root 权限。但 Isaac Sim 开发时，你肯定不想每次都 sudo。我建议把当前用户加入 docker 组：

sudo usermod -aG docker $USER
newgrp docker

然后验证：

docker run --rm --gpus all nvidia/cuda:12.2.0-base-ubuntu22.04 nvidia-smi

如果还报权限错误，检查一下 /var/run/docker.sock 的权限：

ls -l /var/run/docker.sock
# 应该显示 srw-rw----  root docker

我曾经在一台新服务器上忘了加组，结果每次跑容器都要输密码，烦得很。加完组之后记得注销重新登录，组权限才会生效。

4.7 验证 Isaac Sim 的 GPU 调用

最后一步，用 Isaac Sim 的轻量测试镜像验证完整链路：

docker run --rm --gpus all -it --name isaac-test \
  nvcr.io/nvidia/isaac-sim:2023.1.1 \
  bash -c "python3 -c 'import torch; print(torch.cuda.is_available())'"

输出 True 就说明一切就绪。如果输出 False，回到 4.4 节排查。