### Jetson 设备上启用 Docker GPU 支持的配置教程 要在 Jetson Nano、Jetson Xavier NX 或其他 Jetson 设备上部署 Docker 并启用 GPU 支持，需要按照以下方法进行配置。以下是详细的说明： #### 1. 安装 NVIDIA 容器工具包 NVIDIA 提供了一个专门的容器运行时工具包，用于在 Docker 中启用 GPU 支持。安装此工具包后，Docker 将能够访问 Jetson 设备上的 CUDA 和 TensorRT 功能。 ```bash # 添加 NVIDIA 容器工具包的仓库 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list # 更新 APT 包索引并安装 nvidia-docker2 sudo apt-get update sudo apt-get install -y nvidia-docker2 # 重启 Docker 服务以应用更改 sudo systemctl restart docker ``` #### 2. 验证 NVIDIA Docker 的安装 完成安装后，可以运行以下命令来验证 NVIDIA Docker 是否正确配置： ```bash docker run --rm --gpus all nvidia/cuda:11.0-base nvidia-smi ``` 如果一切正常，将显示 Jetson 设备上的 GPU 信息[^2]。 #### 3. 构建支持 GPU 的 Docker 镜像 为了在 Docker 容器中使用 GPU 加速的应用程序（例如 PyTorch 或 TensorFlow），需要构建一个支持 CUDA 的镜像。以下是一个示例 Dockerfile： ```Dockerfile # 使用官方的 NVIDIA CUDA 基础镜像 FROM nvidia/cuda:11.0-base-ubuntu18.04 # 安装必要的依赖项 RUN apt-get update && \ apt-get install -y --no-install-recommends \ build-essential \ cmake \ git \ python3-dev \ python3-pip && \ rm -rf /var/lib/apt/lists/* # 安装 Python 包 RUN pip3 install --no-cache-dir torch torchvision # 设置工作目录 WORKDIR /app # 拷贝应用程序代码到镜像中 COPY . /app # 设置默认命令 CMD ["python3", "app.py"] ``` 构建镜像时，请确保使用 `--gpus` 参数以启用 GPU 支持： ```bash docker build --tag=my-gpu-app . docker run --rm --gpus all my-gpu-app ``` #### 4. 映射外部路径以访问主机文件 如果需要让容器访问主机上的文件或数据集，可以通过 `-v` 参数映射路径。例如： ```bash docker run --rm --gpus all -v /path/to/host/data:/data my-gpu-app ``` 这将把主机上的 `/path/to/host/data` 目录挂载到容器内的 `/data` 目录。 #### 5. 性能优化与调试 在 Jetson 设备上运行 GPU 加速的容器时，可能需要调整性能设置以获得最佳效果。可以使用 `jtop` 工具监控系统资源使用情况，并根据需要调整容器的 CPU 和 GPU 分配[^3]。 --- ### 示例：运行 PyTorch 容器 以下是一个完整的命令示例，用于运行支持 GPU 的 PyTorch 容器： ```bash docker run --rm --gpus all -it --name pytorch-container \ -v $(pwd):/workspace \ nvidia/pytorch:21.07-py3 ``` 该命令将启动一个基于 NVIDIA 官方 PyTorch 镜像的容器，并挂载当前目录作为工作空间。 --- ### 注意事项 1. 确保 Jetson 设备已正确安装 CUDA 和 cuDNN 库。如果尚未安装，可以参考 Jetson 的官方文档进行操作[^1]。 2. 如果需要固定 IP 地址以便于网络通信，可以按照标准 Ubuntu 网络配置方法进行设置[^4]。 3. 在扩容存储设备时，请注意断开电源并正确连接硬件线路。 ---