DeepStream Samples版的操作环境调试过程

NVIDIA的DeepStream是目前业界最好开发而且功能强大的AI视频分析工具，在NGC上https://catalog.ngc.nvidia.com/orgs/nvidia/containers/deepstream-l4t为 Jetson 提供 4 个可使用的版本，分别如下：

• Base 版（deepstream-l4t:6.1-base）：作为 DeepStream SDK 一部分的插件、库以及依赖项，如 CUDA、TensorRT、GStreamer 等，希望为自己创建 Docker 版的 DeepStream 应用程序用户，建议使用此映像。请注意，这个镜像不包含示例内容。

• Samples 版（deepstream-l4t:6.1-samples）：在 Base 版的基础上添加范例的内容，包括 C/C++ 开源代码、deepstream-app 范例配置文件、模型文件与测试视频等，适合体验与学习用途的初学者使用。

• IoT 版（deepstream-l4t:6.1-iot）：在 Base 版上扩充 IoT 应用所需的环境，包括 Kafka、Azure IoT、REDIS 和 MQTT 等协议、DeepStream test5 应用程序以及相关配置和模型，可启用多视频流应用程序，并将各种消息传递到服务器端进行统计分析。

• Triton 部署版（deepstream-l4t:6.1-triton）：这是配合 Triton 推理服务器使用的环境，开发者可以直接使用 TensorFlow、TensorFlow-TensorRT 与 ONNX-RT 等方式进行推理计算。

从上面的描述中可以看出 Samples 版本镜像适合绝大部分初学者的使用，现在就以这个镜像来做说明。

1、下载镜像：

这里使用 JetPack 5.0 版的 Jetson Orin 开发套件，可以使用 DeepStream-6.1 版的容器，可以从 https://catalog.ngc.nvidia.com/orgs/nvidia/containers/deepstream-l4t网页右上角 “Pull Tag” 按钮中，选择 “6.1-samples” 选项，这时就已经将执行指令复制到缓冲区，然后粘贴在 Jetson 上的命令终端，指令内容如下：

docker  pull  nvcr.io/nvidia/deepstream-l4t:6.1-samples

这样就能从 NGC 服务器将 deepstream-l4t:6.1-samples 镜像文件下载到 Jetson 设备上。下载完毕之后，执行以下指令看看结果：

docker  images

如下图 TAG 栏中显示 “6.1-samples” 就表示镜像文件下载成功。

到此只是将镜像文件下载到本地，但还不是可执行的容器状态，接着就要使用 Docker 指令来创建工作容器。

如果是使用 JetPack 4.6.x 版的其他 Jetson 设备时，目前只能使用 DeepStream-6.0.1 版本，请使用以下指令下载镜像文件到 Jetson 设备上：

docker  pull  nvcr.io/nvidia/deepstream-l4t:6.0.1-samples

2、创建临时容器的指令：

以下是 NVIDIA 官方所提供的创建容器指令，由于指令内容较长，建议写入 .sh 脚本中会比较方便执行：

# 允许外部应用程序连接到主机的X显示器：xhost +# 允许外部应用程序连接到主机的X显示器：dockerrun-it--rm--net=host--runtimenvidia-eDISPLAY=$DISPLAY-w/opt/nvidia/deepstream/deepstream-6.1-v/tmp/.X11-unix/:/tmp/.X11-unixnvcr.io/nvidia/deepstream-l4t:6.1-samples

以下对这段指令进行基本说明：

• 使用 “docker run” 组合指令来创建容器；

• 中间的参数可以用 “docker run --help” 查看，这里使用以下几个参数：

-it：启动互动式（-i）的终端（-t）；

--rm：退出容器之后自动移除；

--net：让容器内网络使用指定网络，这里指定 “host” 表示共用 Jetson 设备网络；

--runtime：指定执行时的方式，这里指定为 “nvidia” 其实可以省略；

-e：配置环境变量，这里指定容器内 DISPLAY 变量为设备的 $DISPLAY 变量内容；

-w：指定容器内的工作目录，进入容器就会直接进入到这个工作目录下；

-v：将容器内的目录与容器外的目录形成映射；

• 镜像的完整路径（nvcr.io/nvidia/deepstream-l4t:6.1-samples），放在最后面。

这样的指令有个最大的缺点，就是每次启动都只能是个临时用途的容器，一旦退出之后就会删除工作容器，表示过程中所有执行修改与步骤都将付之一炬，因此这样指令适合做简单的测试用途，但并不适合作为开发阶段的使用，必须做些调整。

3、将源代码与范例复制到容器外：

在容器中的 DeepStream 源代码有两个部分：

• Sources：在容器内 /opt/nvidia/deepstream/deepstream/sources 下

• Samples：在容器内 /opt/nvidia/deepstream/deepstream/samples 下

我们先将这两个部分的内容复制到容器外，然后启动容器的时候再用 “-v” 进行路径映射，这样过程中修改的内容就会保存在容器外，即便退出后销毁容器也没关系。不过这个复制的过程必须在 “容器启动” 的状态下执行，可以先执行下面最简单的容器启动指令：

# 在第一个命令终端dockerrun-it--rmnvcr.io/nvidia/deepstream-l4t:6.1-samples

现在进入容器之内，可能看到以下的显示信息：

root@1c03f4d7628a:/opt/nvidia/deepstream/deepstream-6.1#

“1c03f4d7628a” 是这个容器目前的编号，现在需要开启一个指令终端进行操作，这个过程是在容器外进行处理，请执行以下指令列出执行中的容器编号与状态：

# 在第二个命令终端dockerps

下图显示目前有个正在执行的容器，其编号（CONTAINER ID）为 1c03f4d7628a，正好是上面看到容器内所显示的编号。

现在执行以下指令，将容器内的 sources 与 samples 目录内容，复制到容器外的指定路径之下，例如 ~/deepstream/sources 与 ~/deepstream/samples：

# 在第二个命令终端mkdir  -p  ~/deepstream export  CONTAINER_ID=’根据实际编号’docker  cp  $CONTAINER_ID:/opt/nvidia/deepstream/deepstream/sources ~/deepstream/sourcesdockercp$CONTAINER_ID:/opt/nvidia/deepstream/deepstream/samples~/deepstream/samples

现在看看在 Jetson 设备上 ~/deepstream 目录下是否多了 sources 与 samples 两个目录？比对一下里面的内容是否与容器内的一致。

接下来就可以调整一下执行的指令，让所有的代码与配置文件的修改部分，保留在容器外面，这样过程中的修改就不会白白浪费。请执行以下指令创建另一容器：

# 在第二个命令终端sudo  xhost +docker  run  -it  --rm  --net=host  --runtime  nvidia  -e  DISPLAY=$DISPLAY -w  /opt/nvidia/deepstream/deepstream  -v /tmp/.X11-unix/:/tmp/.X11-unix -v  ~/deepstream/sources:/opt/nvidia/deepstream/deepstream/sources -v  ~/deepstream/samples:/opt/nvidia/deepstream/deepstream/samples nvcr.io/nvidia/deepstream-l4t:6.1-samples

现在再开启一个指令窗口，执行以下指令检查以下容器的状态：

# 在第三个命令终端dockerps

应该会看到类似下面截屏中的两个 “执行中容器” 的信息：

在容器外试着在 ~/deepstream/sources 目录下添加个子目录：

# 在第三个命令终端mkdir-p~/deepstream/sources/outsideContainer

然后到第二个终端里执行以下指令，看看是否也多了 “outsideContainer” 目录？

# 在第二个命令终端ls/opt/nvidia/deepstream/deepstream/sources

如果能对应的上，就表示后面在容器内修改的代码文件，都存放在容器外面的指定路径下，这样就不用担心每次退出容器之后的问题。

4、在容器内执行范例：

现在就在第二个终端里执行 DeepStream 的标准范例，请执行以下指令：

# 在第二个命令终端cd  /samples/configs/deepstream-appdeepstream-app-csource4_1080p_dec_infer-resnet_tracker_sgie_tiled_display_int8.txt

就能看到下面这个大家相当熟悉的执行结果。

以上就完成 DeepStream Samples 版的操作环境调试过程，开发人员可以在容器外用编辑器去修改配置文件或 C/C++ 源代码，然后在容器内执行编译或操作，这样就会非常方便。

审核编辑：汤梓红