dustynv/l4t-ml

l4t-ml 镜像文档

镜像概述

l4t-ml是专为NVIDIA Jetson设备设计的机器学习环境镜像，基于L4T（Linux for Tegra）系统构建，兼容JetPack开发套件。该镜像集成了完整的深度学习工具链和框架，旨在为边缘设备提供便捷的AI开发与部署环境，无需手动配置复杂的依赖关系。

核心功能与特性

主要依赖组件

• 基础计算库：CUDA、CuDNN、NumPy、OpenCV、PyCUDA、CuPy
• 深度学习框架：PyTorch 2.2、TorchVision、Torchaudio、TensorFlow 2、ONNX、ONNX Runtime、TensorRT
• 开发工具：JupyterLab、CMake、Numba、GStreamer、Rust、Protobuf
• 构建依赖：build-essential、Python、Rust、Protobuf C++

核心特性

• 预配置GPU加速环境，支持Jetson设备硬件加速
• 集成主流深度学习框架，满足模型训练与推理需求
• 包含计算机视觉、音频处理等多领域工具
• 提供JupyterLab交互式开发环境
• 兼容多种JetPack/L4T版本，适配不同Jetson设备

镜像版本与兼容性

可用镜像

兼容性说明

• L4T R32.7镜像可运行于L4T R32.7的其他版本（JetPack 4.6+）
• L4T R35.x镜像可运行于L4T R35.x的其他版本（JetPack 5.1+）

使用方法

运行容器

可通过jetson-containers run命令（自动匹配兼容镜像）或手动docker run命令启动容器：

使用jetson-containers（推荐）

bash
# 自动拉取或构建兼容的容器镜像
jetson-containers run $(autotag l4t-ml)

# 显式指定镜像版本
jetson-containers run dustynv/l4t-ml:r36.2.0

使用docker run

bash
sudo docker run --runtime nvidia -it --rm --network=host dustynv/l4t-ml:r36.2.0

说明：jetson-containers run会自动添加默认参数（如--runtime nvidia、挂载/data缓存、检测设备），并将参数转发给docker run。autotag工具会自动查找与当前JetPack/L4T版本兼容的镜像（本地、仓库拉取或构建）。

挂载本地目录

使用-v参数将主机目录挂载到容器中：

bash
jetson-containers run -v /主机目录:/容器目录 $(autotag l4t-ml)

运行命令而非交互式shell

bash
jetson-containers run $(autotag l4t-ml) 你的应用命令 --参数

构建容器

若需手动构建镜像，先完成https://github.com/dusty-nv/jetson-containers/tree/master/docs/setup.md%EF%BC%8C%E7%84%B6%E5%90%8E%E8%BF%90%E8%A1%8C%EF%BC%9A

bash
jetson-containers build l4t-ml

构建过程会包含所有依赖组件并进行测试。使用--help查看构建选项：

bash
jetson-containers build l4t-ml --help