dustynv/optimum
dustynv
适用于Jetson设备的Optimum Docker镜像，集成Hugging Face Optimum库，支持CUDA、TensorRT加速，用于优化和运行Transformer模型，兼容JetPack 4.6+及更高版本。
下载次数: 0状态：社区镜像维护者：dustynv仓库类型：镜像最近更新：2 年前
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
optimum 镜像文档
镜像概述
optimum镜像是jetson-containers项目中的一部分，基于Hugging Face Optimum库构建，专为Jetson设备优化。该镜像提供了在NVIDIA Jetson平台上高效运行和优化Transformer模型的环境，支持多种JetPack/L4T版本，集成了CUDA、TensorRT等加速技术，适用于自然语言处理（NLP）和大型语言模型（LLM）等任务。
核心功能与特性
- 硬件加速支持：集成CUDA、cuDNN和TensorRT，利用Jetson设备的GPU算力加速模型推理
- 模型优化工具：基于Hugging Face Optimum库，支持ONNX格式转换和优化
- 完整AI框架栈：包含PyTorch 2.2、TorchVision、Transformers等主流AI框架和库
- 多版本兼容：支持JetPack 4.6+（L4T R32.7+）和JetPack 5.1+（L4T R35.x）
依赖项
该镜像构建依赖以下组件：
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/build-essential
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cuda
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cudnn
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/python
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/tensorrt
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/cmake/cmake_pip
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/numpy
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/onnx
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/onnxruntime
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/pytorch/torchvision
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/llm/huggingface_hub
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/rust
- https://github.com/dusty-nv/jetson-containers/tree/master/packages/llm/transformers
镜像信息
| 仓库/标签 | 日期 | 架构 | 大小 |
|---|---|---|---|
| https://hub.docker.com/r/dustynv/optimum/tags | 2023-12-15 | arm64 | 1.7GB |
| https://hub.docker.com/r/dustynv/optimum/tags | 2023-12-15 | arm64 | 6.1GB |
| https://hub.docker.com/r/dustynv/optimum/tags | 2023-12-14 | arm64 | 6.1GB |
| https://hub.docker.com/r/dustynv/optimum/tags | 2023-11-05 | arm64 | 6.1GB |
容器镜像兼容其他次要版本的JetPack/L4T：
- L4T R32.7容器可在其他L4T R32.7版本（JetPack 4.6+）上运行
- L4T R35.x容器可在其他L4T R35.x版本（JetPack 5.1+）上运行
运行容器
使用jetson-containers运行
可使用jetson-containers run和autotag自动选择兼容镜像，或手动指定镜像：
bash# 自动拉取或构建兼容的容器镜像 jetson-containers run $(autotag optimum) # 或显式指定上述镜像之一 jetson-containers run dustynv/optimum:r35.2.1
使用docker run手动运行
bashsudo docker run --runtime nvidia -it --rm --network=host dustynv/optimum:r35.2.1
jetson-containers run会将参数转发给docker run，并添加一些默认配置（如--runtime nvidia、挂载/data缓存、检测设备）
autotag会查找与您的JetPack/L4T版本兼容的容器镜像——本地镜像、从 registry 拉取的镜像或构建新镜像
挂载目录
使用-v或--volume标志将主机目录挂载到容器中：
bashjetson-containers run -v /主机路径:/容器路径 $(autotag optimum)
运行命令
启动容器时运行指定命令（而非交互式shell）：
bashjetson-containers run $(autotag optimum) 应用程序 --参数 数值
可传递任何docker run支持的选项，命令会在执行前打印完整构建的命令。
构建容器
若使用上述autotag，需要时会自动构建容器。若要手动构建，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
bashjetson-containers build optimum
构建过程会将上述依赖项集成到容器中，并进行测试。运行--help查看构建选项。
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
DockerHub 原生拉取命令
docker pull dustynv/optimum:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"