GPU 多厂商 PyTorch 容器搭建

要解决什么问题

在 GPU 服务器上跑 PyTorch，常见痛点不是「会不会写 docker run」，而是厂商差异：NVIDIA 用 CUDA 与 nvidia-smi，AMD 走 ROCm/HIP，昇腾、沐曦、天数等各有 torch_npu、torch_musa、torch_corex 与不同的设备挂载路径。镜像来源也分散在 NGC、Ascend Hub、各厂商私有 Registry 和 Docker Hub，手工查 tag、试 pull、再对照文档补 --device 与卷挂载，很容易漏项或版本不匹配。

技能如何工作

本技能把流程固定为可重复的八步：解析参数（--vendor、--image、--data、--name）→ 检测 GPU 厂商（失败且无 --vendor 时询问）→ 探测数据盘（无合适盘时询问挂载路径）→ 按优先级找镜像（厂商官方 Registry API → BAAI Harbor → 网页搜索 → 本地 docker images；每源先测再用，Web 搜索成功且通过测试时会写回 references/image-sources.md）→ 按 references/mount-requirements.md 组装 docker run → 启动容器（同名容器存在时提示复用或替换）→ 在容器内跑校验脚本 → 汇总厂商、镜像、挂载与访问方式。

适用边界与注意点

• 依赖宿主机驱动与对应 *-smi 工具；检测不到 GPU 时需人工指定厂商或排查驱动。
• 镜像拉取失败会逐级降级来源，全部失败需你提供镜像名。
• 容器启动失败多与设备权限或挂载有关，校验失败应看脚本输出的详细错误再改镜像或挂载。
• 参考文档：references/gpu-detection.md、references/image-sources.md、references/mount-requirements.md。