### Jetson Orin Nano 上使用 Docker 运行容器的教程 #### 一、Docker 的安装 为了在 Jetson Orin Nano 上运行容器，首先需要安装 Docker。可以通过以下两种方式完成： 1. **标准方法** 使用官方推荐的方式安装 Docker 及其依赖项： ```bash sudo apt-get update sudo apt-get install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin ``` 此外，还可以通过简化脚本快速安装 Docker[^3]: ```bash curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun ``` 2. **验证安装成功** 安装完成后，可通过以下命令确认 Docker 是否正常工作： ```bash sudo docker run hello-world ``` #### 二、配置 NVIDIA 容器工具包 由于 Jetson Orin Nano 是基于 NVIDIA GPU 的设备，在运行容器时需支持 GPU 加速功能。为此，需要额外安装 NVIDIA 容器工具包。 1. 更新软件源列表并安装 `nvidia-container-toolkit`： ```bash sudo apt-get update sudo apt-get install -y nvidia-container-toolkit sudo systemctl restart docker ``` 2. 修改 Docker 配置文件 `/etc/docker/daemon.json`，设置默认 runtime 为 `nvidia`： ```json { "default-runtime": "nvidia", "runtimes": { "nvidia": { "path": "nvidia-container-runtime", "runtimeArgs": [] } } } ``` 3. 应用更改后重启 Docker 服务： ```bash sudo systemctl restart docker ``` #### 三、创建和运行容器 一旦完成了上述准备工作，就可以开始创建和运行容器了。 1. **拉取镜像** 使用 `docker pull` 命令获取所需的镜像。例如，如果要运行带有 PyTorch 支持的 Jupyter Notebook，则可执行如下操作： ```bash docker pull nvcr.io/nvidia/pytorch:22.07-py3 ``` 2. **启动容器** 启动容器时，建议挂载本地目录以便保存数据，并启用 GPU 支持。以下是具体命令示例： ```bash docker run --gpus all -it --rm \ -p 8888:8888 \ -v $(pwd):/workspace \ nvcr.io/nvidia/pytorch:22.07-py3 ``` 参数说明： - `--gpus all`: 将所有可用 GPU 分配给容器。 - `-p 8888:8888`: 映射主机端口至容器内部端口。 - `-v $(pwd):/workspace`: 挂载当前目录到容器内的 `/workspace` 路径。 3. **访问 Jupyter Notebook** 如果容器内已预装 Jupyter Notebook，可以直接通过浏览器访问对应的 URL 地址（通常会打印在终端日志中）。例如： ``` http://localhost:8888/?token=your_token_here ``` #### 四、常见问题排查 - 若遇到权限错误，请尝试将当前用户加入 `docker` 用户组： ```bash sudo usermod -aG docker $USER newgrp docker ``` - 当 GPU 不被识别时，检查是否正确设置了 `default-runtime` 和相关路径配置[^4]。 --- ###