浪费了开源资源😮
Docker 安装缺少 CUDA 支持所需的依赖项 #1073
文档：README 文件中 Nvidia Container Toolkit 的链接 #155102
好久不见，我的朋友们！👋
今天我收到 GitHub 的过期代码机器人通知，我在著名的 PyTorch 代码库中提交的一个 PR 被机器人关闭了。🤖
是的，是机器人关闭的；不是作者或代码库所有者关闭的，而是机器人。
你可能会说，对于像这样的大型项目来说，这种情况很正常，但深入研究这个 PR 后，我发现开源领域浪费了多少精力！
一切是如何开始的
2025年6月，我想尝试一个用于单次语音克隆的工具。
该项目基于PyTorch，虽然通过Docker安装的目的是为了实现可复现性，但实际上并非如此。
首先，我克隆了仓库并运行了 docker build 命令：
docker build -t f5tts:v1 .
（你可能从类似的项目中了解到）下载和构建这个项目已经花了很长时间。😴
构建完成后，我尝试通过以下方式运行项目：
docker container run --rm -it --gpus=all --mount 'type=volume,source=f5-tts,target=/root/.cache/huggingface/hub/' -p 7860:7860 ghcr.io/swivid/f5-tts:main f5-tts_infer-gradio --host 0.0.0.0
在那里，我遇到了以下完全令人费解的错误信息：
docker: Error response from daemon: could not select device driver "" with capabilities: [[gpu]].
真是谢谢你啊。总之，我在网上搜索了很久，最终找到了解决方案。在 Linux 系统上，如果想在 GPU 上使用 PyTorch，需要手动安装 Nvidia 容器工具包：
https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html
嗯，这个功能在代码库里和 PyTorch 代码库里都没提到。
哪里都没提到。谁会知道呢？肯定没人知道，对吧？！这看起来非常适合提交一个 pull request。
我争取公关成绩的动机
我浪费了时间，还因此情绪低落，我觉得其他开发者应该有更好的体验。而且提交 PR 的工作量也很小。
对我来说，这就是开源的真谛！我解决了一个问题，并通过将其分享给全世界，为我们所有人节省了时间。反过来，你们也为我做了同样的事情，我们共同受益。
我仿佛生活在一个美好的小世界里。
从梦乡醒来：这是我多年来在 GitHub 上遇到的最不友好的对话🤬
我原本以为在安装说明里加一行字能帮大家节省时间，但没想到反响却出乎意料。你自己看看吧：
Docker 安装缺少 CUDA 支持所需的依赖项 #1073
- [x] 此模板仅用于提交错误报告，使用问题请使用“需要帮助”模板。
- [x] 我已经仔细查阅了项目文档，但仍然找不到解决我问题的信息。
- [x] 我搜索了现有的问题，包括已关闭的问题，但找不到解决方案。
- [x] 我使用英语提交此问题是为了促进社区交流。
文档应注明，如果未安装和配置nvidia docker 工具包，则容器将无法运行。
如果您不安装工具包，您将会遇到以下情况：
docker：来自守护进程的错误响应：无法选择 具有以下功能的设备驱动程序“ " ：[[gpu]]。
如果你愿意的话，我可以提交一个 PR 并将其添加到文档中。
- 安装 Docker（请按照 Docker 官方安装指南操作）
- 请按照 Readme 文件中的 Docker 安装说明进行操作。
安装过程应该可以复现。按照 Docker 安装步骤一步一步操作，应该可以顺利启动。
docker container run --rm -it --gpus=all --mount ' type=volume,source=f5-tts,target=/root/.cache/huggingface/hub/ ' -p 7860:7860 ghcr.io/swivid/f5-tts:main f5-tts_infer-gradio --host 0.0.0.0
docker：来自守护进程的错误响应：无法选择 具有以下功能的设备驱动程序“ " ：[[gpu]]。
虽然这显然是他们作为主人的选择，但我对他们完全缺乏同理心和对我表现出的攻击性感到相当震惊，就好像我是个负担似的。
一个新人遇到这种情况会怎么想？说实话，我希望没有新人会遇到这种破事，但我担心这种沟通方式并非个例。
总之，显而易见的结果是，我们应该主动向最初导致问题的地方提交 PR。
大动作：在官方 PyTorch 仓库提交 PR
我向来行动果断，所以我向 PyTorch 仓库提交了同样的 PR，准备面对可能出现的任何麻烦和讨论。
文档：README 文件中 Nvidia Container Toolkit 的链接 #155102
Linux 发行版需要 Nvidia Container Toolkit 才能正确运行带有 --gpus 标志的 Docker 镜像。
该依赖项是操作系统级别的，无法从容器内部进行锁定。
否则容器将无法运行，并会提供含糊不清的错误消息。
docker：来自守护进程的错误响应：无法选择 具有以下功能的设备驱动程序“ " ：[[gpu]]。
CLA 助手已经阻止我接受 PR，让我在线签署一些繁琐的文件，还要用电子签名，遵守一些除了少数律师之外没人能看懂的法律术语（就连 PyTorch 的开发者和维护者也看不懂）。🤢
没关系，我当时没仔细阅读，因为我只想提交 PR。
然后就等着持续集成测试（CI）了。我只改了个README文件，所以别出什么岔子。还好一切顺利。
一天后，一位维护者添加了triaged标签并请求其他维护者进行审核。太棒了，看来它通过了初步筛选，不会像之前的另一个仓库那样被判定为“不重要”而被拒绝。
但是之后就没了动静。什么都没有。没有反应。没有评论，也没有审核。一个月后，陈旧机器人通知我 PR 被标记为陈旧，维护者可以移除陈旧标签。
我评论说“未陈旧”，但这毫无作用：在我提交 PR 两个月后，它被陈旧机器人关闭了。真是个混蛋！
我个人的想法
幸运的是，这个 PR 只是 README 文件中的一行附加内容，但它也是一次测试——测试贡献是否受到重视，以及人们是否关心开发者关心的小事，因为是开发者在摆弄这些东西。
似乎没有人关心其他人的努力。
从现在开始，我真的怀疑自己是否还会再向那些大型代码库提交 PR。创建一个 gist 并广而告之要容易得多，而且还能省去一些烦人的讨论。
总之，如果你在 Linux、Docker 和 PyTorch 上遇到问题，提示你docker: Error response from daemon: could not select device driver "" with capabilities: [[gpu]].需要安装 Nvidia Docker 工具包，那么你现在就知道该怎么做了。