本文讨论启用 GPU 的 Azure 容器实例部署失败的原因，并提供解决方案。
现象
尝试将启用了 GPU 的容器部署到Azure 容器实例（ACI）时，遇到以下症状：
看到以下错误消息：
服务不可用。 如果此问题仍然存在，请稍后重试或联系支持人员。
检查容器组的状态时，会看到 GPU ACI 预配状态为“失败”，错误代码为“ServiceUnavailable”。
查看容器组的日志时，会看到 GPU 驱动程序安装失败或超时。
原因 1：GPU 配额不足
订阅或区域没有足够的 GPU 配额来部署容器组。 GPU 配额受到限制，并受可用性限制。
解决方案 1：提高 GPU 配额
检查订阅和区域的 GPU 配额和可用性，并使用 Azure CLI 或Azure 门户请求增加 GPU 配额。
原因 2：不兼容的容器组配置
容器组配置与 GPU SKU 不兼容。 运行启用了 GPU 的容器需要特定的 CPU、内存和操作系统（OS）设置。
解决方案 2：更新容器组配置以匹配 GPU SKU
检查容器组配置，并确保它符合 GPU SKU 要求。 可以使用 Azure CLI 或Azure 门户重新创建或更新容器组配置。
检查要使用的 GPU SKU 的区域可用性。 并非所有区域都支持所有 GPU SKU。 下表显示了 Linux OS 的 GPU SKU 的当前区域可用性。
| 区域 | 操作系统 | 可用的 GPU SKU |
|---|---|---|
| 美国东部 | Linux | V100 |
| 西欧 | Linux | V100 |
| 美国西部 2 | Linux | V100 |
| 东南亚 | Linux | V100 |
| 印度中部 | Linux | V100 |
如果区域不支持所需的 GPU SKU，则可以选择区域中可用的其他区域或 GPU SKU。
原因 3：安装了不正确的 GPU 驱动程序或工具包
容器映像未安装正确的 GPU 驱动程序或工具包。 启用了 GPU 的容器需要 NVIDIA 驱动程序和 CUDA 或 TensorRT 库才能访问 GPU 资源。
解决方案 3：安装 NVIDIA 容器工具包或使用Azure 机器学习基本映像
检查容器映像，并确保它已安装正确的 GPU 驱动程序和工具包。 可以安装 NVIDIA 容器工具包或使用Azure 机器学习基础映像来生成和运行已启用 GPU 的容器。
原因 4：未安装 NVIDIA 驱动程序或库
容器映像未安装 NVIDIA 驱动程序或库。 启用了 GPU 的容器需要 NVIDIA 驱动程序和 CUDA 或 TensorRT 库才能访问 GPU 资源。
解决方案 4：使用 NVIDIA GPU 云（NGC）存储库
检查容器映像并确保它已安装 NVIDIA 驱动程序和库。 可以使用 NVIDIA GPU Cloud （NGC） 存储库查找和拉取各种框架和应用程序的预生成 GPU 加速映像。
联系我们寻求帮助
如果你有任何疑问或需要帮助，请创建支持请求或联系 Azure 社区支持。 你还可以将产品反馈提交到 Azure 反馈社区。