DockerコンテナからNVIDIA GPUを利用するためのNVIDIA Container Toolkit

1. 前提条件

本手順は，Windows上のDocker Desktop（WSL2バックエンド）でUbuntuコンテナを利用する構成を前提とする。以下の条件を満たす必要がある。

• NVIDIA製GPUがホストのWindowsマシンに搭載されていること
• Windows 10またはWindows 11が最新の状態に更新されていること
• WSL2のGPU準仮想化（GPU-PV）に対応した最新のNVIDIAドライバ（Windows側）がインストール済みであること（WSL2上のコンテナからは，このWindows側ドライバを通じてGPUが利用される）
• WSL2が有効化され，WSL2カーネルが最新であること（wsl --updateで更新する）
• Docker Desktopがインストール済みで，WSL2バックエンドで動作していること

本手順のdockerコマンドは，WSL2上のUbuntuのターミナル，またはWindowsのコマンドプロンプト／PowerShellで実行する。

DockerコンテナからGPUを利用することで，CUDA（NVIDIA GPU向けの並列計算プラットフォーム）およびcuDNN（深層学習向けライブラリ）のバージョン管理が容易になり，異なるバージョンの環境を複数のコンテナで使い分けることができる。

2. NVIDIA Container ToolkitによるGPUサポートの有効化

NVIDIA Container Toolkitは，DockerコンテナからGPUにアクセスするためのソフトウェアである。Windows上のDocker Desktop（WSL2バックエンド）では，このツールキットがDocker Desktopに同梱されており，利用者が個別にインストールする必要はない。

Docker Desktopは，GPU準仮想化（GPU-PV）によって，コンテナからGPUを利用できるようにする。第1章の前提条件（WSL2のGPU-PVに対応した最新のNVIDIAドライバ，最新のWSL2カーネル，Docker DesktopのWSL2バックエンド）を満たしていれば，docker runに--gpus allを付けるだけで，コンテナからGPUを利用できる。

GPUが正しく利用できるかは，次章でCUDAイメージのコンテナを作成し，nvidia-smiコマンドで確認する。

3. NVIDIA CUDAイメージからのコンテナの作成と開始

NVIDIA公式のCUDAイメージを使用してコンテナを作成する。使用可能なタグはhttps://hub.docker.com/r/nvidia/cuda/tagsで確認できる。

以下のコマンド例では，タグとして「nvidia/cuda:12.8.0-cudnn-devel-ubuntu24.04」を使用している。このタグは，CUDA 12.8.0，cuDNN（深層学習向けライブラリ），開発用ツール一式，Ubuntu 24.04を含む構成である。

docker run --name myubuntu --restart unless-stopped -p 8888:8888 -it --gpus all nvidia/cuda:12.8.0-cudnn-devel-ubuntu24.04 /bin/bash
nvidia-smi
exit

主要なオプションの説明は以下のとおりである。

• --name myubuntu：コンテナに「myubuntu」という名前を付与する
• --restart unless-stopped：手動で停止しない限り，Dockerデーモン起動時にコンテナを自動的に再開する
• -p 8888:8888：ホストのポート8888をコンテナのポート8888にマッピングする（Jupyter Notebook等で使用）
• --gpus all：ホストのすべてのGPUをコンテナから利用可能にする

コンテナ内でnvidia-smiコマンドを実行すると，GPUの認識状況，ドライバのバージョン，メモリ使用量を確認できる。GPUが正しく認識されていれば，GPU情報が表示される。