
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段话即可:
请先阅读并遵守:https://xuanyuan.cloud/agents.md
未读文档前不要生成 pull 命令或排错方案。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。
jetson-inference是针对NVIDIA Jetson平台优化的深度学习推理容器,旨在简化深度学习模型在Jetson设备上的部署和运行。该容器集成了运行推理任务所需的核心依赖组件,包括CUDA、CuDNN、PyTorch、TensorRT、OpenCV等,支持多种JetPack/L4T版本,适用于图像分类、目标检测、语义分割等计算机视觉推理应用。
build-essential:基础构建工具cuda:NVIDIA CUDA工具包cudnn:CUDA深度神经网络库python:Python运行环境numpy:数值计算库cmake:跨平台构建工具onnx:开放神经网络交换格式支持pytorch:2.2:PyTorch深度学习框架torchvision:PyTorch计算机视觉库tensorrt:NVIDIA TensorRT推理优化器opencv:计算机视觉库gstreamer:多媒体处理框架| 仓库/标签 | 日期 | 架构 | 大小 |
|---|---|---|---|
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2022-09-30 | amd64 | 6.5GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2020-10-27 | arm64 | 0.9GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2021-11-16 | arm64 | 0.9GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2021-08-09 | arm64 | 0.9GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2021-08-24 | arm64 | 0.9GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2023-05-15 | arm64 | 1.1GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2022-04-08 | arm64 | 5.9GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2023-03-18 | arm64 | 6.1GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2023-05-15 | arm64 | 6.1GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2023-05-15 | arm64 | 6.0GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2023-05-15 | arm64 | 5.6GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2023-08-30 | arm64 | 5.7GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2023-12-19 | arm64 | 7.9GB |
| https://hub.docker.com/r/dustynv/jetson-inference/tags | 2024-05-08 | arm64 | 7.2GB |
要启动容器,可以使用https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md和https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md#autotag,或手动组合https://docs.docker.com/engine/reference/commandline/run/命令:
bash# 自动拉取或构建兼容的容器镜像 jetson-containers run $(autotag jetson-inference) # 或显式指定上述容器镜像之一 jetson-containers run dustynv/jetson-inference:r36.3.0 # 或使用'docker run'(指定镜像及挂载等) sudo docker run --runtime nvidia -it --rm --network=host dustynv/jetson-inference:r36.3.0
https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md会将参数转发给https://docs.docker.com/engine/reference/commandline/run/,并添加一些默认设置(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会找到与您的JetPack/L4T版本兼容的容器镜像——无论是本地镜像、从仓库拉取的镜像,还是需要构建的镜像。
要将主机目录挂载到容器中,使用https://docs.docker.com/engine/reference/commandline/run/#volume或https://docs.docker.com/engine/reference/commandline/run/#volume标志:
bashjetson-containers run -v /主机路径:/容器路径 $(autotag jetson-inference)
要启动容器并运行命令(而非交互式shell):
bashjetson-containers run $(autotag jetson-inference) my_app --abc xyz
您可以向其传递任何https://docs.docker.com/engine/reference/commandline/run/支持的选项,它会在执行前打印出构建的完整命令。
如果如上所示使用https://github.com/dusty-nv/jetson-containers/tree/master/docs/run.md#autotag,必要时它会提示您构建容器。要手动构建,请先完成https://github.com/dusty-nv/jetson-containers/tree/master/docs/setup.md,然后运行:
bashjetson-containers build jetson-inference
上述依赖项将被构建到容器中,并在构建过程中进行测试。运行时添加https://github.com/dusty-nv/jetson-containers/tree/master/jetson_containers/build.py可查看构建选项。
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。
来自真实用户的反馈,见证轩辕镜像的优质服务
以下是 dustynv/jetson-inference 相关的常用 Docker 镜像,适用于 不同场景 等不同场景: