差别

这里会显示出您选择的修订版和当前版本之间的差别。

--- qflow:ubuntu_gpu [2026/07/02 10:27] – 外部编辑 127.0.0.1
+++ qflow:ubuntu_gpu [2026/07/13 16:46] (当前版本) – 外部编辑 127.0.0.1
@@ 行 2: / 行 2: @@
 适用系统：Ubuntu 24.04 LTS\\
-包含：NVIDIA 显卡驱动、Docker、nvidia-container-toolkit
+包含：qflow gpu 容器版与现有主流容器版 GPU 应用相同，都在运行时依赖 NVIDIA 显卡驱动、Docker、nvidia-container-toolkit，安装qflow gpu 容器版前请先确定您的机器已经安装这些依赖项。本手册中提供了这些依赖项的安装步骤，您可以参考安装。
 ----
@@ 行 67: / 行 67: @@
 </code>
-如果能看到显卡型号、驱动版本、CUDA 版本等信息，说明驱动已成功安装。
+如果能看到显卡型号、驱动版本、CUDA 版本等信息，说明驱动已成功安装（如下图例所示）：
+NVIDIA-SMI 535.309.01 为命令行工具本身的版本号，是用来查询GPU状态的可执行程序；
+Driver Version: 535.309.01 是 NVIDIA 显卡内核驱动 的版本号。它是真正掌管GPU硬件、与操作系统内核交互的核心底层程序；
+CUDA Version: 12.2 是当前驱动所能支持的最高 CUDA 运行时（Runtime）版本。只要CUDA应用程序（如PyTorch、TensorFlow）依赖的CUDA版本 不超过 12.2，就可以正常调用GPU。
+{{:qflow:nvidia-smi.png?400|}}
 ----
 ===== 2. 安装 Docker =====
+安装前请先确认您的机器是否未安装docker:
+<code bash>
+docker --version
+# 如果输出类似 Docker version 29.6.1, build 8900f1d 信息，则表示已安装docker
+systemctl status docker
+# 检查检查 Docker 服务是否运行，显示 active (running) ，则不仅安装了，服务也在运行
+</code>
 ==== 2.1 安装必要的依赖 ====
@@ 行 86: / 行 102: @@
 sudo install -m 0755 -d /etc/apt/keyrings
-# 2. 从阿里云镜像站下载并保存 Docker 的 GPG 密钥[citation:5]
+# 2. 从阿里云镜像站下载并保存 Docker 的 GPG 密钥
 sudo curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
 sudo chmod a+r /etc/apt/keyrings/docker.asc
-# 3. 添加 Docker 软件源（同样使用阿里云镜像地址）[citation:5]
+# 3. 添加 Docker 软件源（同样使用阿里云镜像地址）
 echo \
   "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] http://mirrors.aliyun.com/docker-ce/linux/ubuntu \
@@ 行 108: / 行 124: @@
 </code>
-==== 2.2 启动并设置开机自启 ====
+==== 2.4 启动并设置开机自启 ====
 <code bash>
@@ 行 115: / 行 131: @@
 </code>
-==== 2.3 验证安装 ====
+==== 2.5 验证安装 ====
 <code bash>
 sudo docker run --rm swr.cn-north-4.myhuaweicloud.com/ddn-k8s/docker.io/hello-world:latest
+# 展示类似如下信息则表示安装成功
+# Hello from Docker!
+# This message shows that your installation appears to be working correctly.
+# To generate this message, Docker took the following steps:
+#  1. The Docker client contacted the Docker daemon.
+#  2. The Docker daemon pulled the "hello-world" image from the Docker Hub. (amd64)
+#  3. The Docker daemon created a new container from that image which runs the executable that produces the output you are currently reading.
+#  4. The Docker daemon streamed that output to the Docker client, which sent it to your terminal.
+#  To try something more ambitious, you can run an Ubuntu container with:
+#   $ docker run -it ubuntu bash
 </code>
-==== 2.4 （可选）配置非 root 用户权限 ====
+==== 2.6 （可选）配置非 root 用户权限 ====
 <code bash>
@@ 行 141: / 行 171: @@
 > 密码: SimplyTheBest
+可在服务器直接下载：
+<code bash>
+wget --user=pwmat --password=SimplyTheBest "http://223.70.160.60:9999/qflow/nvidia-container-toolkit_1.19.1_amd64.deb.tgz"
+</code>
 ==== 3.2 安装 nvidia-container-toolkit ====
@@ 行 167: / 行 201: @@
 </code>
-如果容器内能正常输出 ''nvidia-smi'' 信息，说明 nvidia-container-toolkit 安装成功。
+如果容器内能正常输出 ''nvidia-smi'' 信息（如下图所示），说明 nvidia-container-toolkit 安装成功。
+{{:qflow:docker-install-check.png?400|}}
-===== 4. qflow gpu 容器版 =====
+===== 4. 开始 qflow gpu 容器版安装 =====
-点击链接, 从第二章导入镜像开始: [[qflow:quickstart_gpu#导入镜像|跳转到导入镜像章节]] 跟着文档安装到结尾
+点击链接, 从 ''宿主机安装 server.py 服务'' 开始: [[qflow:quickstart_gpu#宿主机安装 server.py 服务|跳转到宿主机安装 server.py 服务章节]] 跟着文档安装到结尾
 ~~DISCUSSION:off~~