Docker 安装（SM75 显卡）

Nvidia-RTX20 系列-SM75

适用于拥有显卡并希望利用 GPU 加速的用户。 sm-75 是指硬件平台的架构号，适用于 Nvidia RTX20 系列显卡。 为了正确运行程序，宿主机必须安装 NVIDIA Driver，且版本需支持 CUDA 12.4。 在终端中执行以下命令可以检查 GPU 驱动是否就绪：

nvidia-smi

• step 0 拉取 docker base image 对于国内用户，建议先从国内镜像站获取 base image:

  sudo docker pull docker.m.daocloud.io/nvidia/cuda:12.4.1-devel-ubuntu22.04
  sudo docker tag docker.m.daocloud.io/nvidia/cuda:12.4.1-devel-ubuntu22.04 nvidia/cuda:12.4.1-devel-ubuntu22.04
  

• step 1 开启 CUDA 和配置 SM

在项目根目录下(不是 docker_install 文件夹内)创建 config.mk.local. CUDA 默认为开启, 因此只需要配置 SM：

rm -f config.mk.local
echo "CUDA_ARCH := sm_75" >> config.mk.local

• step 2 构建 docker image

# a. 使用清华镜像源（推荐国内用户）：
docker build -t psum:nvidia-sm75 \
  --build-arg MIRROR_URL=//mirrors.tuna.tsinghua.edu.cn \
  -f docker_install/dockerfile_cuda_12_4 .

# b. 使用官方源：
docker build -t psum:nvidia-sm75 -f docker_install/dockerfile_cuda_12_4 .

• step 3 启动容器

必须添加 --gpus all 参数以挂载物理显卡：

docker run -it --gpus all --name psum_gpu_dev -v $(pwd):/workspace psum:nvidia-sm75 bash

• step 4 容器内编译

进入容器终端后，执行以下标准流程：

bash env_scan.sh
source env_load.sh
bash build.sh

编译结果：

• Field solver: CPU ✅ | Multigrid ✅ | Direct ✅ | GPU ✅
• Pypsum 序列化: ✅ 编译成功 | ✅ Python 交互测试通过

由于使用了 -v $(pwd):/workspace，在宿主机用 VS Code 修改的代码， 在容器也能同步看到更改，make 或执行测试会相应生效。

配置后，在容器内部应当能够正确编译和运行 psum 中的代码。

最后，将项目文件夹下的env_load.sh的内容添加到容器内的 ~/.bashrc 文件中，以便进入容器时能自动加载环境变量。

后续再次进入容器：

docker start -i psum_gpu_dev

# 在容器内加载环境变量
source env_load.sh