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。
# 1. 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# 2. 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# 3. 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)|\sed's#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# 1. 更新源并安装工具包sudoapt-getupdatesudoapt-getinstall-y nvidia-container-toolkit# 2. 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 --runtime=docker# 3. 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:11.6.2-base-ubuntu20.04 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1. 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。2. 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 --gpus'"device=0,2"'... 📝 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！
