我正在尝试运行一个Docker容器，该容器需要访问我的主机NVIDIA GPU，使用--gpus all标志启用GPU访问。当我使用nvidia-smi命令运行容器时，我可以看到一个活动的GPU，这表明容器可以访问GPU。但是，当我只是尝试在容器内运行TensorFlow、PyTorch或ONNX Runtime时，这些库似乎不能检测或使用GPU。
具体来说，当我使用以下命令运行容器时，在ONNX Runtime中只看到CPUExecutionProvider，而看不到CUDAExecutionProvider：

sudo docker run --gpus all mycontainer:latest

但是，当我使用nvidia-smi命令运行相同的容器时，我得到了活动的GPU提示符：

sudo docker run --gpus all mycontainer:latest nvidia-smi

这是活动GPU提示符：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 495.29.05    Driver Version: 495.29.05    CUDA Version: 11.5     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  On   | 00000000:01:00.0 Off |                  N/A |
| N/A   44C    P0    27W /  N/A |     10MiB /  7982MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
+-----------------------------------------------------------------------------+

这是Dockerfile，我用它构建了mycontainer：

FROM nvidia/cuda:11.5.0-base-ubuntu20.04

WORKDIR /home

COPY requirements.txt /home/requirements.txt

# Add the deadsnakes PPA for Python 3.10
RUN apt-get update && \
    apt-get install -y software-properties-common libgl1-mesa-glx cmake protobuf-compiler && \
    add-apt-repository ppa:deadsnakes/ppa && \
    apt-get update

# Install Python 3.10 and dev packages
RUN apt-get update && \
    apt-get install -y python3.10 python3.10-dev python3-pip  && \
    rm -rf /var/lib/apt/lists/*

# Install virtualenv
RUN pip3 install virtualenv

# Create a virtual environment with Python 3.10
RUN virtualenv -p python3.10 venv

# Activate the virtual environment
ENV PATH="/home/venv/bin:$PATH"

# Install Python dependencies
RUN pip3 install --upgrade pip \
    && pip3 install --default-timeout=10000000 torch torchvision --extra-index-url https://download.pytorch.org/whl/cu116 \
    && pip3 install --default-timeout=10000000 -r requirements.txt

# Copy files
COPY /src /home/src

# Set the PYTHONPATH and LD_LIBRARY_PATH environment variable to include the CUDA libraries
ENV PYTHONPATH=/usr/local/cuda-11.5/lib64
ENV LD_LIBRARY_PATH=/usr/local/cuda-11.5/lib64

# Set the CUDA_PATH and CUDA_HOME environment variable to point to the CUDA installation directory
ENV CUDA_PATH=/usr/local/cuda-11.5
ENV CUDA_HOME=/usr/local/cuda-11.5

# Set the default command
CMD ["sh", "-c", ". /home/venv/bin/activate && python main.py $@"]

我已经检查了我正在使用的TensorFlow、PyTorch和ONNX Runtime版本是否与系统上安装的CUDA版本兼容。我还确保正确设置了LD_LIBRARY_PATH环境变量，以包含CUDA库的路径。最后，我确保在启动容器时包含--gpus all标志。并正确配置NVIDIA Docker运行时和设备插件。尽管采取了这些步骤，但在使用TensorFlow、PyTorch或ONNX Runtime时，我仍然无法访问容器内的GPU。导致此问题的原因可能是什么？如何解决？如果您需要更多信息，请告诉我。