银河麒麟v10安装docker-nvidia

### 如何在银河麒麟 V10 上安装 NVIDIA Docker

#### 准备工作
为了确保顺利安装NVIDIA Docker，在开始之前需确认已正确安装并配置了基础环境。这包括但不限于CUDA驱动程序以及常规Docker引擎。

#### 安装 CUDA 驱动
如果尚未安装合适的CUDA驱动版本，则需要先完成这部分设置。可以通过官方渠道获取适用于Galaxy Kylin V10系统的CUDA驱动包，并按照说明文档中的指导进行部署[^1]。

#### 安装普通版 Docker CE
考虑到直接在线安装可能遇到依赖关系的问题，建议采用离线方式来安装稳定版本的Docker CE。可以从指定链接下载静态二进制文件或RPM包形式的Docker发行版：

对于基于CentOS 7构建的操作系统（如银河麒麟V10），可以考虑从`https://download.docker.com/linux/static/stable/x86_64/`下载适合架构的tar.gz压缩包并解压至适当位置；或者尝试手动解决依赖项后再利用rpm工具安装特定版本的deb软件包:

sudo dpkg -i docker-ce_<version>~ce~<revision>-0~debian_amd64.deb

这里需要注意替换实际存在的版本号和修订编号以匹配所选镜像资源[^3]。

#### 启用 nvidia-docker 支持
一旦成功设置了基本容器平台之后，便能够着手准备集成GPU加速特性到现有环境中去了。具体操作如下所示：

- **添加nvidia-container-runtime仓库**

对于大多数Linux发行板而言，推荐的做法是从NVIDIA维护的公共YUM/APT库中拉取最新发布的runtime组件及相关插件集。针对当前场景下的银河麒麟V10来说，应该参照官方指南调整源地址指向国内可用节点，比如阿里云提供的服务端口之一http://mirrors.aliyun.com/repo/Centos-7.repo作为临时解决方案的一部分[^2]。

- **安装必要的扩展模块**

接下来执行一系列yum/apt-get指令加载额外所需的内核级支持单元以及其他辅助设施，从而允许后续创建出来的实例可以直接访问物理显卡硬件资源而无需担心兼容性障碍的存在。

- **验证功能正常运作**

使用简单的测试案例检验整个流程是否顺利完成预期目标——即启动一个带有--gpus参数选项的新进程空间，观察其能否识别出本地存在的一块或多块图形处理单元设备。

# 更新apt缓存索引表单
sudo apt-get update && sudo apt-get install -y nvidia-driver-xxx # 替换成对应版本
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \
  sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \
  sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker
docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi

以上命令序列展示了如何切换至APT模式下引入外部贡献者所提供的高质量开源项目成果集合体，进而简化跨平台移植过程的同时也增强了社区协作开发效率。