dustynv/l4t-pytorch

l4t-pytorch

容器概述

l4t-pytorch是专为NVIDIA Jetson平台优化的Docker镜像，集成了PyTorch及其相关组件，适用于在Jetson设备上进行深度学习模型开发、训练和推理。该镜像基于L4T (Linux for Tegra)系统，提供了完整的PyTorch深度学习环境，支持GPU加速和TensorRT优化。

构建状态

容器镜像

容器镜像与JetPack/L4T的其他次要版本兼容： • L4T R32.7容器可在L4T R32.7的其他版本上运行（JetPack 4.6+） • L4T R35.x容器可在L4T R35.x的其他版本上运行（JetPack 5.1+）

Docker部署方案

运行容器

要启动容器，可以使用jetson-containers run和autotag，或手动组合docker run命令：

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

# 或显式指定上述容器镜像之一
jetson-containers run dustynv/l4t-pytorch:r36.2.0

# 或使用'docker run'（指定镜像和挂载等）
sudo docker run --runtime nvidia -it --rm --network=host dustynv/l4t-pytorch:r36.2.0

jetson-containers run将参数转发给docker run，并添加一些默认值（如--runtime nvidia，挂载/data缓存，检测设备）。autotag会找到与您的JetPack/L4T版本兼容的容器镜像 - 无论是本地的、从注册表拉取的，还是通过构建的。

要将您自己的目录挂载到容器中，请使用-v或--volume标志：

bash
jetson-containers run -v /主机路径:/容器路径 $(autotag l4t-pytorch)

要启动运行命令的容器（而非交互式shell）：

bash
jetson-containers run $(autotag l4t-pytorch) my_app --abc xyz

您可以向其传递任何docker run支持的选项，它会在执行前打印出完整的命令。

构建容器

如果如上所示使用autotag，则在需要时会提示您构建容器。要手动构建，请先完成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-pytorch

上述依赖项将被构建到容器中，并在构建过程中进行测试。使用--help查看构建选项。