ModelScope我想挂载GPU 加了参数--gpus all 就报错了？

说的都是错的 这个Unknown报错是因为库的名字的问题，正解再这里https://zhuanlan.zhihu.com/p/641458849拉到后面看so文件的操作就行了

尝试一下方法：

1. 确保你的系统支持CUDA和cuDNN，并且已经正确安装和配置了这些组件。
2. 确保你正在使用的Docker镜像是包含了CUDA和cuDNN的版本。如果不是，请尝试更换为包含这些组件的镜像。
3. 在运行Docker容器时，确保你已经指定了正确的设备映射参数，例如--device=/dev/nvidiactl:/dev/nvidiactl和--device=/dev/nvidia-uvm:/dev/nvidia-uvm等。
4. 如果以上步骤都不能解决问题，可以尝试在Docker容器内部安装NVIDIA驱动程序和CUDA/cuDNN。

这个问题很可能是由于您在运行 Docker 容器时缺少必要的 NVIDIA 显卡驱动程序而导致的。因为 --gpus 参数是用来指定要使用的显卡数量，并且需要正确的驱动程序才能正常工作。
为了解决这个问题，您可以尝试以下操作：

• 更新您的 NVIDIA 显卡驱动程序到最新版本。
• 在启动容器时添加 --runtime=nvidia 来启用 NVIDIA 显卡支持。
• 检查您的容器镜像是否包含必要的 NVIDIA CUDA 和 cuDNN 版本，如果没有，可以在 Dockerfile 中添加它们。

从你提供的错误信息来看，问题可能是由于Docker没有正确的权限访问GPU设备。以下是一些可能的解决方案：

1. 检查GPU驱动：确保你的GPU驱动是最新的，并且已经正确安装。你可以使用nvidia-smi命令来检查。

2. 检查CUDA和cuDNN：确保你的CUDA和cuDNN版本与你的PyTorch和TensorFlow版本兼容。你可以查阅PyTorch和TensorFlow的官方文档，了解具体的兼容性信息。

3. 检查Docker权限：确保Docker有权限访问GPU设备。你可以使用以下命令来检查：

nvidia-smi -L

如果Docker没有被添加到nvidia-smi的组中，你需要手动添加。你可以参考NVIDIA的官方文档，了解如何操作。

1. 检查Docker配置：确保你的Docker配置正确，特别是GPU的资源分配。你可以使用以下命令来检查：

nvidia-smi -q

如果Docker没有正确分配GPU资源，你需要在Dockerfile中重新配置。

您参考一下这条命令，以前跑成功的。
docker run --gpus all -p 8000:8000 -it -d --name ms registry.cn-hangzhou.aliyuncs.com/modelscope-repo/modelscope:ubuntu20.04-cuda11.8.0-py38-torch2.0.1-tf2.13.0-1.9.3 /bin/bash，此回答整理自钉群“魔搭ModelScope开发者联盟群 ①”