dustynv/tensorrt
dustynv
TensorRT Docker镜像是NVIDIA TensorRT库的容器化版本，专为Jetson设备优化，提供高性能深度学习推理能力，支持不同L4T和CUDA版本，依赖CUDA、cuDNN等组件，便于快速部署和运行经TensorRT优化的深度学习模型。
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。
TensorRT Docker镜像文档
镜像概述
TensorRT Docker镜像是NVIDIA TensorRT深度学习推理优化库的容器化实现，专为Jetson平台设计。该镜像提供了预配置的运行环境，包含TensorRT及其依赖组件，可简化高性能深度学习推理应用在Jetson设备上的部署与运行流程，适用于模型优化、推理加速及边缘计算场景。
版本信息
tensorrt:8.6
| 项目 | 详情 |
|---|---|
| 构建状态 | https://img.shields.io/github/actions/workflow/status/dusty-nv/jetson-containers/tensorrt-86_jp60.yml?label=tensorrt-86:jp60](https://github.com/dusty-nv/jetson-containers/actions/workflows/tensorrt-86_jp60.yml) |
| 系统要求 | L4T ['==r36.*', '==cu122'] |
| 依赖项 | https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/build-essential%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cuda%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cudnn%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/python |
| Dockerfile | https://github.com/dusty-nv/jetson-containers/tree/master/packages/tensorrt/Dockerfile.deb |
| 镜像 | https://hub.docker.com/r/dustynv/tensorrt/tags (2023-12-05, 6.7GB) |
tensorrt:10.0
| 项目 | 详情 |
|---|---|
| 系统要求 | L4T ['==r36.*', '==cu124'] |
| 依赖项 | https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/build-essential%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cuda%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cudnn%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/python |
| Dockerfile | https://github.com/dusty-nv/jetson-containers/tree/master/packages/tensorrt/Dockerfile.tar |
tensorrt（通用版本）
| 项目 | 详情 |
|---|---|
| 系统要求 | L4T ['<36'] |
| 依赖项 | https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/build-essential%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cuda%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/cuda/cudnn%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/build/python |
| 依赖该镜像的项目 | https://github.com/dusty-nv/jetson-containers/tree/master/packages/deepstream%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/jetson-inference%E3%80%81https://github.com/dusty-nv/jetson-containers/tree/master/packages/llm/tensorrt_llm%E7%AD%89 |
| 镜像 | https://hub.docker.com/r/dustynv/tensorrt/tags (2023-12-05, 6.7GB) |
容器镜像
| 仓库/标签 | 日期 | 架构 | 大小 |
|---|---|---|---|
| https://hub.docker.com/r/dustynv/tensorrt/tags | 2023-12-05 | arm64 | 6.7GB |
容器镜像兼容性说明：
- 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
基本命令
可使用jetson-containers run结合autotag自动选择兼容镜像，或手动指定docker run命令启动容器：
bash# 自动拉取或构建兼容的容器镜像 jetson-containers run $(autotag tensorrt) # 显式指定镜像版本 jetson-containers run dustynv/tensorrt:8.6-r36.2.0 # 使用docker run命令（需指定镜像及挂载等参数） sudo docker run --runtime nvidia -it --rm --network=host dustynv/tensorrt:8.6-r36.2.0
说明：
- https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md 会向前传递参数给
docker run，并添加默认配置（如--runtime nvidia、挂载/data缓存、检测设备等）- https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md#autotag 会查找与当前JetPack/L4T版本兼容的容器镜像（本地、仓库拉取或构建）
挂载目录
使用-v或--volume参数将主机目录挂载到容器中：
bashjetson-containers run -v /主机路径:/容器路径 $(autotag tensorrt)
运行命令
启动容器时直接运行命令（非交互式shell）：
bashjetson-containers run $(autotag tensorrt) 应用程序 --参数 数值
可传递任何docker run支持的选项，命令执行前会打印完整构建的命令。
构建容器
若使用上述autotag命令，需构建时会自动提示。手动构建步骤如下：
- 先完成https://github.com/dusty-nv/jetson-containers/tree/master/docs/setup.md
- 运行构建命令：
bashjetson-containers build tensorrt
构建过程中会集成上述依赖项并进行测试。使用`--helphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelphelp)
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/tensorrt:<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。"