Ray GPU 类型镜像是 Ray 针对高性能计算和人工智能场景设计的增强版本，基于 NVIDIA CUDA 运行时构建，集成了 GPU 加速所需的完整依赖环境。该镜像能够充分利用 GPU 资源，实现大规模并行计算和高效的模型训练与推理。

镜像通常内置 CUDA、cuDNN 以及相关驱动兼容组件，并可扩展支持 PyTorch、TensorFlow 等主流深度学习框架。在 Ray 的调度机制下，可以通过资源声明（如 num_gpus）实现 GPU 任务的精细化分配，从而支持多节点、多 GPU 的分布式计算场景。

GPU 镜像特别适用于深度学习训练（如计算机视觉、自然语言处理、强化学习）、大模型推理服务、高性能数据处理以及云原生 AI 平台构建等场景。在这些场景中，相比 CPU 镜像，GPU 镜像能够显著提升计算效率并缩短任务执行时间。