NVIDIAJetson AGX Thor專(zhuān)為物理 AI 打造，與上一代產(chǎn)品 NVIDIAJetson AGX Orin 相比，生成式 AI 性能最高提升至 5 倍。通過(guò)發(fā)布后的軟件更新優(yōu)化，Jetson Thor 的生成式 AI 吞吐量提升至 7 倍。

上一期我們介紹了NVIDIA Jetson AGX Thor 的硬件配置和系統(tǒng)安裝教程，本期將深入講解開(kāi)發(fā)環(huán)境配置，包括：

系統(tǒng)環(huán)境確認(rèn)

Docker 安裝與配置

JetPack SDK 組件安裝

CUDA 環(huán)境設(shè)置

一、系統(tǒng)環(huán)境確認(rèn)

系統(tǒng)安裝完成進(jìn)入桌面后，默認(rèn)即可通過(guò)賬號(hào)密碼 SSH 登錄，下圖可以查看當(dāng)前的系統(tǒng)以及內(nèi)核版本。

- 運(yùn)行nvidia-smi可以查看 GPU 驅(qū)動(dòng)版本以及支持的 CUDA 最高版本信息。

- 運(yùn)行l(wèi)scpu，查看 CPU 信息：

- 運(yùn)行free -h，查看內(nèi)存容量：

- 運(yùn)行l(wèi)sblk，查看硬盤(pán)容量：

二、Docker 安裝與配置

Docker 能夠?yàn)?Jetson 帶來(lái)可復(fù)現(xiàn)的容器化工作流程，無(wú)需犧牲速度或靈活性即可無(wú)縫訪問(wèn) GPU。

1Docker 安裝

下圖展示了 Docker 安裝過(guò)程的流程。

上一期教程采用的是“Jetson ISO Installation USB”系統(tǒng)安裝方式，已默認(rèn)預(yù)裝 Docker。僅需將普通用戶添加到組，即可直接使用 Docker。

然后設(shè)置 NVIDIA Container Toolkit 即可。

2Docker 測(cè)試

下載并運(yùn)行一個(gè) PyTorch 的容器。

dockerrun --rm -it
  -v"$PWD":/workspace
  -w /workspace
nvcr.io/nvidia/pytorch:25.08-py3

進(jìn)入容器后，您可以測(cè)試 PyTorch 的 GPU 功能。此外，該容器內(nèi)也預(yù)配置了 CUDA 環(huán)境，可運(yùn)行相關(guān) CUDA 應(yīng)用。

注：如果顯示 CUDA available：False，可嘗試重啟系統(tǒng)加載配置。

三、JetPack SDK 組件安裝

nvidia-jetpack 是一個(gè)元包，包含以下組件：

安裝 JetPack 組件：

要在 Jetson 上安裝完整的 JetPack 組件軟件 / SDK，可以使用以下命令：

sudoapt update
sudoapt install nvidia-jetpack

等待命令運(yùn)行完成即可。

四、CUDA 環(huán)境配置

1使用 JetPack 內(nèi)置的 CUDA

CUDA 工具包已內(nèi)置于 JetPack 組件中，將隨其自動(dòng)安裝。安裝完成后，僅需配置環(huán)境變量即可使用。

設(shè)置并應(yīng)用環(huán)境變量。

注：運(yùn)行sudo vim ~/.bashrc之后，需在文本下方加入以下內(nèi)容：

exportPATH=/usr/local/cuda-13.0/bin:$PATH


exportLD_LIBRARY_PATH=/usr/local/cuda-13.0/lib64:$LD_LIBRARY_PATH

2通過(guò) Docker 容器的方式使用 CUDA

本文第二部分 Docker 測(cè)試時(shí)所下載的nvcr.io/nvidia/pytorch:25.08-py3鏡像內(nèi)已內(nèi)置 CUDA。

3使用 NGC 下載運(yùn)行 CUDA 鏡像

NGC（全稱(chēng)：NVIDIA GPU Cloud）是適用于 AI、機(jī)器學(xué)習(xí)的 GPU 優(yōu)化的軟件中心，也是 NVIDIA 提供的容器注冊(cè)表。

在“標(biāo)簽”部分，您可以看到托管容器的標(biāo)簽列表。

請(qǐng)注意，它顯示“2 個(gè)架構(gòu)”。這意味著該容器鏡像可同時(shí)適用于 x86_64 和 arm64 架構(gòu)。

您可以單擊標(biāo)簽右側(cè)復(fù)制圖標(biāo)，將帶有該標(biāo)簽的容器圖像路徑復(fù)制到剪貼板，然后使用docker run運(yùn)行：

dockerrun -it --rm nvcr.io/nvidia/cuda:13.0.0-devel-ubuntu24.04

jetson@jat02-iso0817:~/$ docker run -it --rm nvcr.io/nvidia/cuda:13.0.0-devel-ubuntu24.04


==========
== CUDA ==
==========


CUDA Version13.0.0


Container image Copyright (c)2016-2023, NVIDIA CORPORATION & AFFILIATES. All rights reserved.


This container image and its contents are governedbythe NVIDIA Deep Learning Container License.
By pulling and using the container, you accept the terms and conditions ofthislicense:
https://developer.nvidia.com/ngc/nvidia-deep-learning-container-license


A copy ofthislicenseismade availableinthiscontainer at /NGC-DL-CONTAINER-LICENSEforyour convenience.


WARNING: The NVIDIA Driver was not detected. GPU functionality will not be available.
Use the NVIDIA Container Toolkit to startthiscontainer with GPU support; see
https://docs.nvidia.com/datacenter/cloud-native/ .


root@99042c33f4b2:/#

至此，CUDA 環(huán)境配置完成！

現(xiàn)在 Jetson AGX Thor Developer Kit 已經(jīng)準(zhǔn)備就緒，您隨時(shí)可以進(jìn)行 AI 和邊緣計(jì)算開(kāi)發(fā)：

使用 Docker 容器化工作流程

基于 JetPack SDK 構(gòu)建完整應(yīng)用

利用 CUDA 加速計(jì)算任務(wù)

*與 NVIDIA 產(chǎn)品相關(guān)的圖片或視頻（完整或部分）的版權(quán)均歸 NVIDIA Corporation 所有。