速查·1.X 环境与隔离基础 FAQ 补遗（一）

速查·1.X 环境与隔离基础 FAQ 补遗（一）

正文 1.4 已经扫清了入门七问。本条是环境与隔离基础的补充 FAQ：问题更碎、更接近日常使用时随口一问的粒度，按需取用。

Q1：容器里 nvidia-smi 显示的驱动版本，和宿主机是什么关系？

容器里不装驱动，显示的就是宿主机的驱动（由 NVIDIA Container Toolkit 注入）。容器里的 CUDA 版本来自镜像，它只受驱动支持能力的约束——驱动 535 可以跑 CUDA 12.2 及以下的镜像，跑不了 12.3。判断兼容性记住一条：容器内镜像的 CUDA 版本 ≤ 宿主机驱动支持的最高 CUDA 版本。

Q2：WSL2 里能跑这套吗？和原生 Linux 差在哪？

能跑。WSL2 支持 GPU 直通，nvidia-smi 在 WSL2 内正常，Docker Desktop 或 WSL2 内原生安装的 Docker 都可以用 --gpus。差别有三点：① /mnt/c 下的文件 IO 慢一个量级，数据和代码应放在 WSL2 自己的文件系统（~/）；② 部分 IPC 与共享内存行为有差异，跑多卡 NCCL 前建议先验证；③ 生产环境仍以原生 Linux 为准，WSL2 的定位是开发环境。

Q3：已经有 conda/venv 了，还要容器干嘛？

两者隔离的层次不同。conda/venv 只隔离 Python 包；容器隔离的是整个用户态——系统库（glibc、CUDA Toolkit、cuDNN 以及 apt 装的一切）+ 文件系统 + 运行环境。"torch 扩展在别人机器上装不上"这类崩溃，根因往往不在 pip，在系统库版本。conda 管 Python 层，容器管整层，二者不冲突（容器里照样可用 conda），但别指望 conda 替代容器。

Q4：容器能直接用宿主机上的数据集和权重吗？

能，用 bind mount：docker run -v /data/datasets:/datasets ...。注意两点：① 容器内进程默认以 root 跑，写入挂载目录的文件属主会变成 root，宿主机上反而"改不动"——用 --user $(id -u):$(id -g) 保持 UID 一致；② 挂载路径的性能取决于底层文件系统，原生 ext4 接近直读，NFS/网络盘要先测吞吐再上训练。

Q5：为什么文档里总见 --ipc=host 或 --shm-size=8g？

容器默认的共享内存（/dev/shm）只有 64MB。PyTorch DataLoader 的 worker 用共享内存传数据，NCCL 通信也依赖它——默认值一超，轻则报 "DataLoader worker exited unexpectedly"，重则多卡训练直接 bus error。两条路：--shm-size=8g 只调大小；--ipc=host 直接共享宿主机 IPC，多卡训练常用。

Q6：套一层容器，GPU 性能会损失吗？

GPU 计算本身几乎零损耗——透传的是设备文件，不经过任何模拟。真正的开销在：① 文件 IO（尤其是挂载网络盘时）；② 频繁的 docker exec、日志读写等辅助操作。同一任务容器内外跑 benchmark，吞吐差距通常在 1~3% 以内；如果差距大，先查挂载方式和数据加载，别急着怪容器。

Q7：想进容器调试，是不是得装 SSH？

不要。docker exec -it <容器> bash 就是容器内的"登录"，在 Dockerfile 里装 sshd 只会平添攻击面。唯一例外是容器跑在远程机器上、需要他人从外部直接访问——那也应该走宿主机做跳板，而不是在容器里开 22 端口。

Q8：docker stop 之后显存会释放吗？

正常会：容器主进程退出，其占用的显存随之释放。例外是进程变成僵尸或驱动状态残留——nvidia-smi 里还能看到进程时，在宿主机上用 fuser -v /dev/nvidia* 找到 PID 杀掉即可。养成习惯：训练结束先确认 nvidia-smi 干净再收工。

详细原理见正文第一章 1.1～1.3 与第三章 3.1「NVIDIA Container Runtime 的调用链剖析」。