NVIDIA Jetson系列，ARM架构创建docker容器

Jetson系列实战成功的镜像
jetson嵌入式盒子镜像测试，配置型号TX：
1.nvcr.io/nvidia/l4t-ml:r32.5.0-py3镜像，videocapture算法运行成功，torch的GPU可用，镜像大小3.98G
2.nvcr.io/nvidia/l4t-pytorch:r32.5.0-pth1.7-py3镜像，videocapture算法运行成功，torch的GPU可用，镜像大小1.71G

1.测试GPU的torch安装是否成功操作如下：
import torch
2.
torch.cuda.is_available()
3.
torch.zeros((1,2,3,4), device=0)   #一切都成功了，开始部署算法
4.
torch.rand(2,3).cuda(0)
torch.rand(2,3).cuda(1)

服务器环境下：
硬件环境：英伟达GPU版本+ARM架构，
nvcr.io/nvidia/pytorch:21.11-py3镜像可以跑通videocapture项目（镜像内嵌pytorch，gpu可用；缺点：镜像太大，打包下来12G左右）

NVIDIA Jetson 系列文章（12）：创建各种YOLO-l4t容器
参考链接：NVIDIA Jetson 系列文章（12）：创建各种YOLO-l4t容器 - 知乎

NVIDIA Jetson系列深度学习Docker环境(l4t-ml)问题解决——Jupyter Lab篇

参考链接：NVIDIA Jetson系列深度学习Docker环境(l4t-ml)问题解决——Jupyter Lab篇_jetson xavier nx中 docker 部署深度学习环境-优快云博客

NVIDIA Jetson 系列文章（10）：从头创建Jetson的容器（1）

参考链接：NVIDIA Jetson 系列文章（10）：从头创建Jetson的容器（1） - 最新资讯 - 英伟达AI计算专区 - 智东西

详细 英伟达 各显卡型号

详细 英伟达 各显卡型号_nvidia t4 是哪个系列-优快云博客

NVIDIA显卡算力、Jetson比较

参考链接：

【20230407】NVIDIA显卡算力、Jetson比较-优快云博客

CUDA和GPU之间的版本对应关系

参考链接：

CUDA和GPU之间的版本对应关系 - 知乎