CUDA環境構築のベストプラクティス | ベアメタル・Docker・VMの構造比較と最適な選び方

Docker と CUDA の相性が悪い根本的な理由

Docker の設計思想は「ハードウェアを抽象化し、どこでも同じように動く」こと。一方、CUDA は「特定の NVIDIA GPU ハードウェアに密結合し、ドライバのバージョンまで一致が必要」という性質を持つ。

この2つは本質的に矛盾している。

Docker のポータビリティが GPU で崩れる

通常の Docker コンテナでは、アプリケーションの依存関係をすべてイメージ内に閉じ込めることで環境差異をなくす。しかし GPU を使う場合、ホスト OS の NVIDIA ドライバに依存するため、この「閉じ込め」が成立しない。

通常の Docker:
  コンテナ内に全依存関係 → どの環境でも動く ✅

GPU Docker:
  コンテナ内の CUDA ← ホストの NVIDIA ドライバに依存 → 環境ごとに動作が変わる ❌

結果として、ホスト側のドライババージョンとコンテナ内の CUDA バージョンの互換性を常に意識する必要があり、Docker の最大のメリットであるポータビリティが大きく損なわれる。

---

CUDA × Docker でハマる 5 つのポイント

1. nvidia-container-toolkit の設定

Docker コンテナから GPU にアクセスするには、nvidia-container-toolkit（旧 nvidia-docker2）が必要になる。この「橋渡し」ツールが必要な時点で、Docker 単体では GPU を扱えないことを意味している。