Jak naprawić błąd „could not select device driver nvidia” w local-ai-packaged na Ubuntu Desktop

Wprowadzenie

Cześć! Próbujesz uruchomić local-ai-packaged na Ubuntu Desktop (np. na laptopie z AMD Ryzen 9 5900HS i NVIDIA RTX 3060) z profilem gpu-nvidia i środowiskiem public, ale napotykasz błąd: Error response from daemon: could not select device driver "nvidia" with capabilities: [[gpu]]? Ten idiotoodporny poradnik pokaże Ci, jak rozwiązać ten problem i uruchomić usługi AI, takie jak Flowise czy Supabase, na Twoim serwerze (np. 192.168.76.171). Artykuł jest po polsku, zawiera gotowe komendy i opisy zrzutów ekranu, idealne dla klientów agencja-ai.com!

Co oznacza ten błąd?

Błąd could not select device driver "nvidia" with capabilities: [[gpu]] oznacza, że Docker nie może komunikować się z Twoim GPU NVIDIA, ponieważ sterowniki NVIDIA lub NVIDIA Container Toolkit nie są poprawnie zainstalowane lub skonfigurowane. Problem może wynikać z:

• Braku sterowników NVIDIA.
• Braku NVIDIA Container Toolkit.
• Niezgodności wersji sterowników z CUDA.
• Włączonego Secure Boot, który blokuje moduły jądra.
• Nieprawidłowej konfiguracji Dockera.

Zalecana konfiguracja:

• System: Ubuntu Desktop 22.04 LTS lub 24.04.
• GPU: NVIDIA RTX 3060.
• Sterowniki NVIDIA: Wersja 535 lub nowsza.
• CUDA: Wersja 12.2 lub zgodna.
• Docker: Najnowsza wersja z NVIDIA Container Toolkit.

Uwaga: Jeśli używasz laptopa jako serwera AI (192.168.76.171), sprawdź nasz poradnik o widoczności usług.

Wymagania wstępne

• Laptop z GPU NVIDIA (np. RTX 3060, AMD Ryzen 9 5900HS).
• Zainstalowany Ubuntu Desktop 22.04 LTS lub 24.04.
• Połączenie internetowe (Ethernet lub Wi-Fi).
• Kopia zapasowa danych (na wszelki wypadek).
• Podstawowa znajomość terminala.

Krok po kroku: Rozwiązanie błędu „could not select device driver nvidia”

1. Sprawdzenie stanu GPU i sterowników NVIDIA

Zweryfikuj, czy GPU i sterowniki są poprawnie wykrywane.

1. Otwórz terminal (Ctrl+Alt+T) i wpisz:

nvidia-smi

Powinieneś zobaczyć tabelę z informacjami o GPU (np. NVIDIA RTX 3060, wersja sterownika: 535.146.02, CUDA: 12.2). Jeśli widzisz błąd NVIDIA-SMI has failed, przejdź do kroku 2.

[](https://askubuntu.com/questions/1153023/error-nvidia-driver-is-not-loaded)
2. Sprawdź, czy GPU jest widoczne:

lspci | grep -i nvidia

Powinieneś zobaczyć linię z NVIDIA Corporation, np. 01:00.0 VGA compatible controller: NVIDIA Corporation GA106M [GeForce RTX 3060 Mobile].

[](https://github.com/mudler/LocalAI/discussions/1577)

Zrzut ekranu: Terminal z wynikiem nvidia-smi pokazującym GPU i sterowniki.

2. Instalacja sterowników NVIDIA

Jeśli nvidia-smi nie działa, zainstaluj sterowniki NVIDIA.

1. Zaktualizuj listę pakietów:

sudo apt update

2. Sprawdź dostępne sterowniki NVIDIA:

ubuntu-drivers devices

Znajdź sterownik oznaczony jako recommended, np. nvidia-driver-535.

[](https://www.linuxbabe.com/ubuntu/install-nvidia-driver-ubuntu)
3. Zainstaluj zalecany sterownik:

sudo apt install -y nvidia-driver-535 nvidia-dkms-535

4. Zrestartuj system:

sudo reboot

5. Po restarcie zweryfikuj sterowniki:

nvidia-smi

Powinieneś zobaczyć GPU i wersję sterownika (np. 535.146.02).

Zrzut ekranu: Terminal z wynikiem ubuntu-drivers devices i nvidia-smi.

3. Wyłączenie Secure Boot (jeśli konieczne)

Secure Boot może blokować moduły NVIDIA, powodując błąd.

[](https://askubuntu.com/questions/1153023/error-nvidia-driver-is-not-loaded)

1. Uruchom laptop i wejdź do BIOS/UEFI (zwykle F2, Del lub F12).
2. Znajdź opcję Secure Boot w sekcji Boot lub Security.
3. Ustaw Secure Boot na Disabled.
4. Zapisz zmiany (zwykle F10) i zrestartuj.

Zrzut ekranu: BIOS z opcją Secure Boot ustawioną na Disabled.

5. Zweryfikuj sterowniki ponownie:

nvidia-smi

4. Instalacja CUDA Toolkit

local-ai-packaged wymaga CUDA dla wsparcia GPU. Zainstaluj CUDA Toolkit zgodny ze sterownikami.

1. Pobierz CUDA Toolkit 12.2 (zalecane dla sterownika 535):

wget https://developer.download.nvidia.com/compute/cuda/12.2.2/local_installers/cuda_12.2.2_535.104.05_linux.run
sudo sh cuda_12.2.2_535.104.05_linux.run

2. Postępuj zgodnie z instalatorem:
   • Zaakceptuj EULA (accept).
   • Odznacz Driver (jeśli sterowniki są już zainstalowane).
   • Zainstaluj resztę komponentów (CUDA Toolkit, Samples).
3. Skonfiguruj zmienne środowiskowe:

echo 'export PATH=/usr/local/cuda-12.2/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

4. Zweryfikuj instalację CUDA:

nvcc --version

Powinieneś zobaczyć wersję, np. Cuda compilation tools, release 12.2.

[](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/)

Zrzut ekranu: Terminal z wynikiem nvcc --version.

5. Instalacja NVIDIA Container Toolkit

Docker wymaga NVIDIA Container Toolkit, aby obsługiwać GPU.

1. Dodaj repozytorium NVIDIA Container Toolkit:

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
  sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#' | \
  sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

2. Zainstaluj Toolkit:

sudo apt update
sudo apt install -y nvidia-container-toolkit

3. Skonfiguruj Docker dla NVIDIA:

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

4. Zweryfikuj konfigurację:

docker run --rm --gpus all nvidia/cuda:12.2.2-base-ubuntu22.04 nvidia-smi

Powinieneś zobaczyć tabelę nvidia-smi z GPU. Jeśli widzisz błąd, wróć do kroku 2.

[](https://askubuntu.com/questions/1516765/docker-error-response-from-daemon-could-not-select-device-driver-nvidia-with)

Zrzut ekranu: Terminal z wynikiem testowego kontenera nvidia-smi.

6. Ponowne uruchomienie local-ai-packaged

Po skonfigurowaniu sterowników, CUDA i NVIDIA Container Toolkit, uruchom ponownie local-ai-packaged.

1. Przejdź do katalogu projektu:

cd ~/local-ai-packaged

2. Edytuj plik .env (jeśli nie istnieje, utwórz go):

nano .env

Dodaj (dostosuj do swoich potrzeb):

############
# Flowise Configuration
############
FLOWISE_USERNAME=username
FLOWISE_PASSWORD=password
FLOWISE_HOSTNAME=flowise.agencja-ai.com
############
# Supabase Configuration
############
SUPABASE_URL=http://192.168.76.x:3000
SUPABASE_ANON_KEY=your_anon_key

3. Uruchom skrypt z profilem GPU:

python3 start_services.py --profile gpu-nvidia --environment public

4. Zweryfikuj działanie usług:

docker ps

Powinieneś zobaczyć uruchomione kontenery, np. localai_flowise, localai_supabase.

5. Przetestuj dostęp do Flowise:

curl http://192.168.76.x:3001

Zrzut ekranu: Przeglądarka z otwartą stroną https://flowise.agencja-ai.com.

7. Weryfikacja partycji dla VM (jeśli używane)

Jeśli używasz partycji dla maszyn wirtualnych (zgodnie z poprzednim poradnikiem), upewnij się, że jest poprawnie zamontowana.

1. Sprawdź partycje:

lsblk

Zweryfikuj, czy /var/lib/libvirt jest zamontowane (np. 880 GB).

2. Sprawdź uprawnienia:

ls -ld /var/lib/libvirt

Powinieneś zobaczyć drwxrwx--- libvirt-qemu:libvirt-qemu.

Zrzut ekranu: Terminal z wynikiem lsblk i ls -ld /var/lib/libvirt.

Najlepsze praktyki

• Aktualizacje: Regularnie aktualizuj sterowniki NVIDIA i CUDA:

sudo apt update
sudo apt upgrade -y nvidia-driver-535 nvidia-dkms-535

• Firewall: Otwórz porty dla usług AI:

sudo ufw allow 80
sudo ufw allow 443
sudo ufw allow 3000
sudo ufw allow 3001

• Monitorowanie GPU: Używaj nvidia-smi do monitorowania użycia GPU:

watch -n 1 nvidia-smi

• Kopia zapasowa: Twórz kopie zapasowe konfiguracji local-ai-packaged:

cp -r ~/local-ai-packaged ~/local-ai-packaged-backup

Rozwiązywanie problemów

• Błąd persists: Jeśli błąd nadal występuje, spróbuj użyć opcji --privileged i -v /dev:/dev dla Dockera:

docker run --rm -ti --gpus all --privileged -v /dev:/dev nvidia/cuda:12.2.2-base-ubuntu22.04 nvidia-smi

Jeśli działa, edytuj docker-compose.yml w local-ai-packaged, dodając:

services:
  flowise:
    ...
    privileged: true
    volumes:
      - /dev:/dev

• Problemy z siecią: Sprawdź konfigurację sieci bridge (br0):

ip addr show br0

Zobacz nasz poradnik o KVM.

• Brak CUDA w VM: Upewnij się, że GPU jest przekazywane do VM przez GPU passthrough. Zobacz nasz poradnik o GPU passthrough.
• Kontakt: Jeśli problem persists, napisz do nas na agencja-ai.com/kontakt.

Zwiększanie sprzedaży instrukcji

• Polski język: Proste instrukcje po polsku przyciągają polskich użytkowników.
• Demo: Pokaż działające Flowise na https://flowise.agencja-ai.com.
• PDF: Udostępnij ten artykuł jako PDF na agencja-ai.com.

Podsumowanie

Rozwiązałeś błąd could not select device driver "nvidia" with capabilities: [[gpu]] w local-ai-packaged na Ubuntu Desktop, instalując sterowniki NVIDIA, CUDA Toolkit i NVIDIA Container Toolkit. Twoje usługi AI, takie jak Flowise, działają teraz na serwerze 192.168.76.171, gotowe do użycia z GPU NVIDIA RTX 3060. Ten poradnik zwiększy atrakcyjność Twoich instrukcji na agencja-ai.com. Potrzebujesz więcej poradników, np. o optymalizacji GPU dla Flowise? Napisz do nas! 😄

Źródła: NVIDIA CUDA, NVIDIA Container Toolkit, local-ai-packaged