在Nvidia Jetson Nano上使用 Docker 快速建置 AI 环境

E和弦的根音 · 2021-03-15 · 3622 次浏览

简介

image.png 这篇文章讲说明如何在Nvidia Jetson Nano上使用 Docker 快速建置 AI 环境 。 由于官方网站有提到,要使用的话必须 containers require JetPack 4.4以上, 所以将先前我安装的 4.2版本用洗掉,重新安装4.4.1版本。安装方法跟先前写的文章方法一样,只是要换掉下载点。 Link : https://developer.nvidia.com/embedded/Jetpack ———————————————— 版权声明:本文为CSDN博主「小小工程尸」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.csdn.net/zoechch888/article/details/112007843 Nvidia Jetson Nano 安装教学

Version: JetPack 4.4.1

跟着这篇文章实作后,利用官方提供的 ml 映像档,布署完之后里面会内建以下套件: image.png

很快速可以帮助我们直接开发专案 ,不用花时间去建置 AI 环境。

教学开始

一.配置 SWAP

一开始我们要先配置 SWAP , 做法如下: 開啟SWAP 先輸入下方的指令看看,顯示沒有設定任何的SWAP:

sudo swapon -show

先設定8G SWAP。

sudo fallocate -l 8G /swapfile
sudo chmod 600 /swapfile
ls -lh /swapfile

輸入free -h確認已經有8G SWAP空間了。

free -h

由於重開機後SWAP設定便會跑掉,因此,把SWAP加到fstab設定檔中。

sudo cp /etc/fstab /etc/fstab.bak
echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

二. Docker教学

一开始要先查看系统预先装好的 Docker:

sudo dpkg --get-selections | grep nvidia

输出以下讯息

image.png

sudo docker info | grep nvidia:

输出以下讯息 Runtimes: nvidia runc

查看是否有启动成功 :

sudo service docker status 
sudo service docker start

设置Usermod并启动Docker服务, ainano是我的名称 之后,重新启动系统

sudo usermod -aG docker ainano

查看docker版本

docker version

image.png

Link: https://ngc.nvidia.com/ 在NVIDIA NGC中选择Container, 筛选出ARM相关的images

https://ngc.nvidia.com/catalog/containers/nvidia:l4t-ml

选择l4t-ml

docker pull nvcr.io/nvidia/l4t-ml:r32.4.4-py3

检查一下是否有image :

docker image ls

-d 可以常驻 –name 可以命名, 这边我取名为 nvidiaml -v 是挂载目录, 并改为你要挂载的地方

查看状态 :

docker ps -a 

启动 :

docker start nvidiaml 

进入container :

docker exec -it nvidiaml bash

测试是否安装成功 AI 环境,以Tensorflow为例:

python3
import tensorflow as tf
print(tf.__version__)

image.png

转载:https://blog.csdn.net/zoechch888/article/details/112007843

如果有错误或者不严谨的地方,请务必给予指正,十分感谢。如果喜欢或者有所启发,欢迎评论,对作者也是一种鼓励。
查看评论 - 0 条评论