はい、Home Assistant 関連のワークロードが別のコンテナと GPU を共有できる場合はありますが、答えはアクセラレーターの経路と仮想化の境界によって異なります。
Home Assistant Core 自体は通常 GPU を必要としません。アクセラレーターが使われるのは、一般に Frigate、ローカルの画像処理や AI、メディア処理、その他の連携サービスです。Linux では、複数のコンテナに同じレンダーデバイスへのアクセスを許可し、ドライバーに処理をスケジュールさせられることがよくあります。PCIe デバイス全体をパススルーで受け取る VM は別のモデルであり、そのデバイスがホストやほかのゲストから利用できなくなることがあります。権限を変更する前に、実際にデバイスを使うサービスを特定してください。
まず、Home Assistant のどのワークロードがアクセラレーターを必要としているかを特定する
ホストに GPU があるというだけで、Home Assistant Core コンテナに GPU を割り当てないでください。GPU を使うプロセスを特定しましょう。Frigate の動画デコード、OpenVINO による物体検出、ローカルの言語・画像サービス、音声処理、あるいは Home Assistant から呼び出す別のコンテナなどです。デバイスの割り当て先は、そのワークロードのコンテナとセキュリティ境界にするべきです。
Frigate の構成は、デバイスパスのモデルを分かりやすく示しています。ハードウェアアクセラレーションを使うには、コンテナスタック全体を通じて特定のレンダーデバイスが見えている必要があります。最新のFrigate iGPU パススルーガイドでは、ホストに GPU があるだけで判断せず、デバイスの可視性、グループ権限、仮想化レイヤーを確認すべき理由が説明されています。
Home Assistant が API または MQTT 経由でアクセラレーション対応サービスを制御するだけなら、Core にデバイスへの直接アクセスは必要ありません。GPU の割り当てを利用側のコンテナに限定すると、権限を抑えられ、障害の切り分けも簡単になります。
Linux のレンダーデバイス共有と GPU 全体の VM パススルーは別のモデル
Linux コンテナでは、/dev/dri/renderD128 などのレンダーノードを複数のコンテナに割り当てることで、どちらのアプリケーションもホストドライバー経由で処理を実行できる場合があります。共有しているのはスケジューラーとメモリリソースであり、それぞれが独立した物理 GPU を受け取るわけではありません。特定のワークロードで安全に使えるかどうかは、ドライバーとアプリケーションの動作にも左右されます。
LXC GPU パススルーガイドでは、コンテナの境界が明確になります。ホストは実際の GPU ドライバーを保持し、コンテナには /dev/dri/renderD128 など、選択したデバイスノードが渡されます。このレンダーデバイス共有モデルでは、複数のコンテナが同じアクセラレーター経路にアクセスできますが、GPU エンジン、メモリ帯域幅、ベンダー固有の制限を共有します。
デバイス全体をPCIeパススルーで仮想マシンに割り当てる方式は、これとは異なります。最新のProxmox VFIOガイドでは、この引き渡しを1台のVMによるGPUの排他的な所有として説明しており、そのカードについて通常のホストドライバー経由の共有経路はなくなります。SR-IOV、メディエーテッドデバイス、vGPUなどの機能は、対応ハードウェアで別の共有方式を実現できますが、通常のパススルーで使えると想定せず、別の機能として扱ってください。
性能テストの前に、両方のコンテナでデバイスの認識と権限を確認する
各アクセラレーターの利用者を個別に起動し、コンテナ内からデバイスノード、ユーザー/グループの権限、ドライバーライブラリ、アプリケーションのハードウェアレポートを確認します。必要なレンダーデバイスやグループを把握する代わりに、特権コンテナを使うのは適切ではありません。目的のワークロードが動作する範囲で、必要最小限のデバイスアクセスを許可してください。
同じLXCのデバイスマッピング手順を使えば、コンテナ内からレンダーノードを確認できます。また、ホスト上での認識だけを信頼せず、実際のサービスアカウントでテストすることが推奨されています。この方法で、性能を比較する前にコンテナレベルでアクセラレーターにアクセスできることを確認してください。ホスト上にデバイスが表示されても、アプリケーションがそれを開ける証拠にはなりません。
両方のコンテナが、それぞれ単独でハードウェアを使用していることを確認できた場合に限り、デバイスの認識段階をクリアしたと判断します。一方が知らないうちにCPUへフォールバックしている場合は、同時実行テストを行う前に、マッピングまたはドライバーの設定を修正してください。そうしないと、実際にはホストがソフトウェアで一方のワークロードを処理しているのに、GPU共有が機能しているように見えてしまうことがあります。
単独テストと同時実行テストで共有の限界を見極める
まず各ワークロードを単独で実行し、フレーム処理時間、エンコード/デコード速度、アクセラレーター使用率、メモリ使用量、温度、電力、アプリケーションのレイテンシを測定します。次に、両方を通常時のピーク負荷で同時に実行します。共有構成を許容できるのは、重要なHome Assistant関連ワークロードが期限を守り、どちらのアプリケーションでもエラーやフォールバックが発生しない場合に限ります。
ZimaSpaceがコンテナ間で1つのGPUを共有するために実施しているテストでも、同じ運用ルールが示されています。デバイスが見えることは最初の関門にすぎず、共有が実用的かどうかは、同時実行時の安定性とリソースの競合で決まります。
実際に負荷が重なる状況で、両方の利用者がレイテンシとメモリの上限を守れるなら、アクセラレーターを1つ共有します。一方のジョブが原因でフレーム落ち、推論の遅延、ドライバーのリセット、メモリ不足エラー、サーマルスロットリング、または予測不能なフォールバックが発生する場合は、分離します。GPU全体をVMにパススルーしている場合は、すでに専有されている物理デバイスを別のコンテナに割り当てようとせず、仮想化レイヤーを再設計するか、アクセラレーターを追加してください。
サポートとヒント
続きを読む

家族に見られないように、NAS上のアダルト動画を隠す方法
家族で使うNASでは、アダルト動画を非公開に保ちましょう。フォルダーのアクセス権、PlexとJellyfinのライブラリーへのアクセス、サムネイル、視聴履歴、共有テレビのログイン情報、DLNAを確認してください。

Transformersでコミュニティモデルを読み込む前に確認すべきこと
TransformersのJinjaサンドボックスアップデートを使って、モデルの来歴、チャットテンプレート、リモートコード、シリアライズされた重み、隔離された初回実行を確認しましょう。

Mirageをローカルで実行:1枚の画像から文字認識と物体検出
Cactus Computeの小型ローカルビジョンモデルを試し、実際の入力でOCRとオブジェクト抽出を検証して、メモリ、言語、プライバシーの制限を把握しましょう。



