拓冰网站定制 
HeyGem.ai 数字人项目 WSL 环境 Docker 无法调用 GPU 的排查与修复指南【免费下载链接】Duix-Avatar Truly open-source AI avatar(digital human) toolkit for offline video generation and digital human cloning.项目地址: https://gitcode.com/GitHub_Trending/he/Duix-AvatarHeyGem.aiDuix.Avatar是一款本地离线数字人视频合成工具服务端由三个 Docker 容器构成全部依赖 NVIDIA GPU 加速。在 WSL2 环境下Docker 无法调用 GPU 会导致容器反复重启或启动即退出。本文按「现象定位—底层体检—组件装配—服务拉起—持续监控」的顺序给出可复现的排查与修复路径。现象识别GPU 访问失败的典型信号在 WSL2 上执行docker-compose -f docker-compose-linux.yml up -d后容器无法稳定运行可对照以下表现快速判断问题是否出在 GPU 链路上docker ps中duix-avatar-gen-video、duix-avatar-asr、duix-avatar-tts的状态在Restarting与Exited (1)之间反复切换容器日志出现CUDA not available、No CUDA-capable device detected、NVIDIA driver on this system一类报错执行docker run --gpus all直接返回could not select device driver nvidia三者都指向同一根因Docker 与 NVIDIA 驱动之间缺少 NVIDIA Container Toolkit 桥接容器拿不到 GPU 设备。下面从最底层开始逐层排除。环境体检先确认 WSL2 与宿主机驱动GPU 直通的前提是宿主机满足条件先排除 WSL2 版本与 NVIDIA 驱动两块最底层的短板。确认 WSL2 版本与 Docker 后端# 查看 WSL 发行版版本VERSION 列应为 2 wsl --list --verbose若版本为1执行wsl --set-version 发行版名 2与wsl --update升级同时确认 Docker Desktop4.12 及以上使用 WSL2 后端否则 GPU 直通不会生效。验证宿主机驱动是否支持 WSL2 GPU 直通在 WSL 内直接调用nvidia-smi能输出显卡信息说明驱动已正确直通# 在 WSL 内确认驱动直通应打印 GPU 型号、显存与驱动版本 nvidia-smi支持 WSL2 直通的 NVIDIA 驱动门槛常见为 510.06 及以上具体以 NVIDIA 官方发布为准。宿主机命令无输出或报驱动错误需先在 Windows 侧安装/升级显卡驱动再回到 WSL 复核。组件装配安装并验证 NVIDIA Container Toolkit这是让 Docker 识别--gpus all与runtime: nvidia的关键组件缺它则上层 compose 里的 GPU 配置全部失效。配置 Docker 使用 NVIDIA 运行时# 安装工具包并注册运行时以 Ubuntu 22.04 为例版本以实际为准 sudo apt-get install -y nvidia-container-toolkit sudo nvidia-ctk runtime configure --runtimedocker sudo systemctl restart docker完成以上配置后若上一步输出异常nvidia-ctk未找到或报错回到驱动体检环节确认nvidia-smi正常再检查nvidia-container-toolkit是否安装完整。用测试容器确认 GPU 直通# 运行 CUDA 测试容器容器内能打印 nvidia-smi 输出即直通成功 docker run --rm --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi预期输出与宿主机nvidia-smi一致包含 GPU 型号、显存与驱动号。若该命令能跑通而业务容器仍失败问题即落在 compose 配置或服务冷启动而非 GPU 直通本身。服务拉起启动 HeyGem.ai 并核对 GPU 挂载选择正确的 compose 文件按显卡选择编排文件常规 NVIDIA 显卡用deploy/docker-compose-linux.ymlRTX 50 系列如 5090用deploy/docker-compose-5090.yml。两份文件里的runtime: nvidia、NVIDIA_VISIBLE_DEVICES与deploy.resources.reservations.devices都已预设无需手动补 GPU 参数。# 在 deploy 目录拉起三个服务 cd deploy docker-compose -f docker-compose-linux.yml up -d核对三个服务的 GPU 挂载状态# 确认三个容器均 Running docker ps --format table {{.Names}}\t{{.Status}}三个容器duix-avatar-tts、duix-avatar-asr、duix-avatar-gen-video都应处于Up。再检查 GPU 设备是否真正注入到合成主容器# 检查 GPU 设备是否注入容器 docker inspect duix-avatar-gen-video --format {{.HostConfig.Devices}}稳定性兜底验证命令与故障速查服务稳定后用监控确认 GPU 利用率合成任务期间 GPU-Util 维持在 60%–80% 属正常区间# 每 3 秒刷新 GPU 利用率 nvidia-smi -l 3镜像拉取失败时在/etc/docker/daemon.json增加registry-mirrors国内镜像源后重启 Docker 即可高频故障速查镜像拉取超时报net/http: request canceled ... awaiting headers属 Docker Hub 官方源不稳定按上图配置国内镜像源sudo systemctl restart docker后重新up -d容器启动后报File not exists或Connection refusedasr 服务冷启动较慢需等日志出现start worker process就绪后再操作克隆形象内存小于 16G 时可能起不来报could not select device driver nvidia回到「组件装配」一节确认nvidia-ctk runtime configure已执行且 Docker 已重启整条排查链路为「WSL2/驱动体检 → 安装 NVIDIA Container Toolkit → 拉起三服务并核对 GPU 注入 → 监控利用率」。仍卡住时携带nvidia-smi与docker logs 容器名的完整输出到项目 Issue 区提问响应更快。【免费下载链接】Duix-Avatar Truly open-source AI avatar(digital human) toolkit for offline video generation and digital human cloning.项目地址: https://gitcode.com/GitHub_Trending/he/Duix-Avatar创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 HeyGem.ai 数字人项目 WSL 环境 Docker 无法调用 GPU 的排查与修复指南
HeyGem.ai 数字人项目 WSL 环境 Docker 无法调用 GPU 的排查与修复指南【免费下载链接】Duix-Avatar Truly open-source AI avatar(digital human) toolkit for offline video generation and digital human cloning.项目地址: https://gitcode.com/GitHub_Trending/he/Duix-AvatarHeyGem.aiDuix.Avatar是一款本地离线数字人视频合成工具服务端由三个 Docker 容器构成全部依赖 NVIDIA GPU 加速。在 WSL2 环境下Docker 无法调用 GPU 会导致容器反复重启或启动即退出。本文按「现象定位—底层体检—组件装配—服务拉起—持续监控」的顺序给出可复现的排查与修复路径。现象识别GPU 访问失败的典型信号在 WSL2 上执行docker-compose -f docker-compose-linux.yml up -d后容器无法稳定运行可对照以下表现快速判断问题是否出在 GPU 链路上docker ps中duix-avatar-gen-video、duix-avatar-asr、duix-avatar-tts的状态在Restarting与Exited (1)之间反复切换容器日志出现CUDA not available、No CUDA-capable device detected、NVIDIA driver on this system一类报错执行docker run --gpus all直接返回could not select device driver nvidia三者都指向同一根因Docker 与 NVIDIA 驱动之间缺少 NVIDIA Container Toolkit 桥接容器拿不到 GPU 设备。下面从最底层开始逐层排除。环境体检先确认 WSL2 与宿主机驱动GPU 直通的前提是宿主机满足条件先排除 WSL2 版本与 NVIDIA 驱动两块最底层的短板。确认 WSL2 版本与 Docker 后端# 查看 WSL 发行版版本VERSION 列应为 2 wsl --list --verbose若版本为1执行wsl --set-version 发行版名 2与wsl --update升级同时确认 Docker Desktop4.12 及以上使用 WSL2 后端否则 GPU 直通不会生效。验证宿主机驱动是否支持 WSL2 GPU 直通在 WSL 内直接调用nvidia-smi能输出显卡信息说明驱动已正确直通# 在 WSL 内确认驱动直通应打印 GPU 型号、显存与驱动版本 nvidia-smi支持 WSL2 直通的 NVIDIA 驱动门槛常见为 510.06 及以上具体以 NVIDIA 官方发布为准。宿主机命令无输出或报驱动错误需先在 Windows 侧安装/升级显卡驱动再回到 WSL 复核。组件装配安装并验证 NVIDIA Container Toolkit这是让 Docker 识别--gpus all与runtime: nvidia的关键组件缺它则上层 compose 里的 GPU 配置全部失效。配置 Docker 使用 NVIDIA 运行时# 安装工具包并注册运行时以 Ubuntu 22.04 为例版本以实际为准 sudo apt-get install -y nvidia-container-toolkit sudo nvidia-ctk runtime configure --runtimedocker sudo systemctl restart docker完成以上配置后若上一步输出异常nvidia-ctk未找到或报错回到驱动体检环节确认nvidia-smi正常再检查nvidia-container-toolkit是否安装完整。用测试容器确认 GPU 直通# 运行 CUDA 测试容器容器内能打印 nvidia-smi 输出即直通成功 docker run --rm --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi预期输出与宿主机nvidia-smi一致包含 GPU 型号、显存与驱动号。若该命令能跑通而业务容器仍失败问题即落在 compose 配置或服务冷启动而非 GPU 直通本身。服务拉起启动 HeyGem.ai 并核对 GPU 挂载选择正确的 compose 文件按显卡选择编排文件常规 NVIDIA 显卡用deploy/docker-compose-linux.ymlRTX 50 系列如 5090用deploy/docker-compose-5090.yml。两份文件里的runtime: nvidia、NVIDIA_VISIBLE_DEVICES与deploy.resources.reservations.devices都已预设无需手动补 GPU 参数。# 在 deploy 目录拉起三个服务 cd deploy docker-compose -f docker-compose-linux.yml up -d核对三个服务的 GPU 挂载状态# 确认三个容器均 Running docker ps --format table {{.Names}}\t{{.Status}}三个容器duix-avatar-tts、duix-avatar-asr、duix-avatar-gen-video都应处于Up。再检查 GPU 设备是否真正注入到合成主容器# 检查 GPU 设备是否注入容器 docker inspect duix-avatar-gen-video --format {{.HostConfig.Devices}}稳定性兜底验证命令与故障速查服务稳定后用监控确认 GPU 利用率合成任务期间 GPU-Util 维持在 60%–80% 属正常区间# 每 3 秒刷新 GPU 利用率 nvidia-smi -l 3镜像拉取失败时在/etc/docker/daemon.json增加registry-mirrors国内镜像源后重启 Docker 即可高频故障速查镜像拉取超时报net/http: request canceled ... awaiting headers属 Docker Hub 官方源不稳定按上图配置国内镜像源sudo systemctl restart docker后重新up -d容器启动后报File not exists或Connection refusedasr 服务冷启动较慢需等日志出现start worker process就绪后再操作克隆形象内存小于 16G 时可能起不来报could not select device driver nvidia回到「组件装配」一节确认nvidia-ctk runtime configure已执行且 Docker 已重启整条排查链路为「WSL2/驱动体检 → 安装 NVIDIA Container Toolkit → 拉起三服务并核对 GPU 注入 → 监控利用率」。仍卡住时携带nvidia-smi与docker logs 容器名的完整输出到项目 Issue 区提问响应更快。【免费下载链接】Duix-Avatar Truly open-source AI avatar(digital human) toolkit for offline video generation and digital human cloning.项目地址: https://gitcode.com/GitHub_Trending/he/Duix-Avatar创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考