jetson 深度学习环境搭建之docker版（1）

前言：本次文章默认你已经学会docker，不会的可以先去学或者看看我的docker笔记，里面有很多命令运行实例与解析，但如果实在来不及学，也可以直接使用下文写的docker run的命令来运行你的docker。

1.安装nvidia-docker

可以使用小鱼一键安装程序，很好用，省事，喜欢可以给个stars

https://github.com/fishros/install

#输入下面这段命令：
wget http://fishros.com/install -O fishros && . fishros
#看选项选择安装docker

2.以搭建yolov8环境为例：

在jetson上输入：

#拉取yolov8镜像，并设置桌面的共享文件夹
t=ultralytics/ultralytics:latest-jetson && sudo docker pull $t && sudo docker run -it --ipc=host -v /tmp/.x11-unix:/tmp/.x11-unix -e DISPLAY=unix$DISPLAY -e GDK_SCALE -e GDK_DPI_SCALE --net=host --name yolov8 --device /dev/video0 --device /dev/video1 -v /home/nvidia/Desktop/sharefiles/:/usr/src/ultralytics/runs/ --runtime=nvidia $t

解析：
目的让容器内的画面能够映射到宿主机上，如果不输入的话推理时你看不到推理画面
-v /tmp/.x11-unix:/tmp/.x11-unix -e DISPLAY=unix$DISPLAY -e GDK_SCALE -e GDK_DPI_SCALE --net=host 
--name yolov8 给容器命名为yolov8
--device /dev/video0 --device /dev/video1 挂载摄像头设备
-v /home/nvidia/Desktop/sharefiles/:/usr/src/ultralytics/runs/  设置共享文件夹，方便获取训练的权重文件或推理结果
runtime=nvidia  让docker调用nvidia显卡

3.使用vscode进行开发容器

参考链接：https://blog.csdn.net/weixin_41742296/article/details/131253067

参考链接：https://blog.csdn.net/weixin_43799388/article/details/127022705?spm=1001.2014.3001.5506

安装Remote - SSH 插件。

输入一下配置：这里的配置只是实例，别照抄啊！

# Read more about SSH config files: https://linux.die.net/man/5/ssh_config
Host AGX
    HostName 192.168.31.137
    User nvidia
    Port 22
    IdentityFile ~/.ssh/id_rsa_agx

连接远程主机成功后，开始连接远程容器：

若还是无法连接容器：下载openssh并配置环境变量

下载地址：https://github.com/PowerShell/Win32-OpenSSH/releases

配置python路径

4.推理时出现图形化界面显示问题

宿主机的DISPLAY与容器的一致才能运行！！！

#首先在jetson上输入：  （不能使用ssh输入，要插上键盘在jetson上输入）
xhost +
#查看DISPLAY
env | grep DISPLAY
#设置DISPLAY
export DISPLAY=:0

如果遇到报错，看看这三篇参考文章：

https://blog.csdn.net/carissaying/article/details/105319887

https://zhuanlan.zhihu.com/p/460494660

https://wiki.ros.org/docker/Tutorials/GUI

之后可以直接在我们的笔记本的vscode上推理使用yolov8，理论上也是支持其他的算法，要注意的是该算法环境cuda、pytorch版本与你的jetpack是否兼容。

之后我会出一篇关于用docker部署新开源的算法到jetson设备上的文章，包含环境选择搭配思路。希望对刚上手jetson的同学有所帮助，麻烦点赞收藏，谢谢！