配置Python开发环境的DeepStream容器

对于熟悉 C++ 的开发人员来说，前一篇文章将 DeepStreamSamples 版容器的范例搬到本机上，再搭配 Docker 路径映射方式就能轻松搭建开发环境。但这种方式只适用于 C / C++ 范例，并不适用于 DeepStream 的 Python 环境，因为还需要安装 Gstreamer 的 Gst-Python 与 DeepStream 的 PyBinding 与两个元件。

 

我们可以在容器内安装这两个元件，但是前面提供的 Docker 指令中使用 “--rm” 参数，一旦退出容器之后就会销毁这个调试好的环境，这对于使用来说是非常不方便的，因此必须做出调整，将调试好的环境保留下来，甚至于存成一个独立的镜像文件，就能方便日后的重复使用或移植工作。

 

1、将容器调整为 “后台运行” 执行：

 

在 NGC 官方提供的指令中使用 “--it” 与 “--rm” 是为了能快速启用容器，并且在使用完毕后删除容器以避免占用不必要的资源，现在我们来做以下调整：

 

• 将 “-it” 参数改成 “-id” 参数：这样虽然不会第一时间进入容器内执行，但是会让这个容器在后台运行，并且打印容器 ID，后面在使用 “dockerexec” 指令来进入容器操作，这是个非常实用的方式，大家可以好好学习使用方法；

• 去除 “--rm” 参数：退出容器之后自动移除；

• 添加 “--name” 参数：为了便于管理，不需要去面对长达 12 码的容器编号，我们可以用这个参数去指定容器名称，方便后面的操作；

• 为了配合 Python 的 iot 应用范例，建议选择 iot 版容器的适用性会比较高。

 

现在试着执行以下指令，创建一个要配置 Python 开发环境的 DeepStream 容器：

 

•  
•  
•  
•  
•  

docker run -id --name=ds_python --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-iot

 

执行之后，会发现命令终端并未进入容器里面，依旧在本机（容器外）的状态，现在执行 “docker ps” 指令，会看到如以下的状态：

 

 

 

这里显示有个名为 “ds_python” 的容器处于运行状态，但是我们还没有进入这个容器的操作环境中。

 

2、使用 docker exec 指令进入容器：

 

现在以 deepstream-l4t:6.1-iot 创建的 ds_python 容器已经在后台启动，我们只要使用 “docker exec” 指令就能进入容器内操作，请执行以下指令：

 

•  

docker  exec  -it  ds_python  bash

 

这样就能进到容器里面。现在试试在容器内做些事情，例如创建一个目录、添加一个文件，然后执行 “exit” 退出容器，然后再执行前面的指令重新进入容器内，检查看看刚刚所做的修改应该还存在，这样就能确保我们为容器安装的内容可以保留。

 

3、重启系统之后的容器启动：

 

这种容器创建的方式，在系统重启之后还能保留前面的设定吗？重启一次系统就知道了，然后执行 “docker ps” 指令检查状态，发现看不到前面所创建的 ds_python 容器了，怎么办呢？

 

不用紧张，现在执行 “docker ps -a” 指令，就会发现这个容器依旧存在于背景资源中，只是没有启动而已，现在执行以下指令：

 

•  
•  

docker  start  ds_pythondocker  ps

 

现在再重新执行下面指令，就能进入容器里：

 

•  

docker  exec  -it  ds_python  bash

 

再检查看看前面所做的修改是否依然存在？现在就能确认这种方式能将容器的修改长期保留，是一种更加实在的用法。

 

4、为容器安装 Python 开发环境：

 

现在可以在容器内按照 <https://github.com/NVIDIA-AI-IOT/deepstream_python_apps> 的 “HOW-TO Guide” 安装步骤，调试 DeepStream 的 Python 开发环境：

 

• 安装依赖库：

 

如果 Jetson 的操作系统是 Ubuntu 20.04（JetPack 5.0 以上），请执行以下的依赖库安装步骤：

 

•  
•  
•  

apt install python3-gi python3-dev python3-gst-1.0 python-gi-dev git python-dev python3 python3-pip python3.8-dev cmake g++ build-essential libglib2.0-dev libglib2.0-dev-bin libgstreamer1.0-dev libtool m4 autoconf automake  libgirepository1.0-dev libcairo2-dev

 

• 从 GITHUB 仓下载源码到指定目录：

 

•  
•  
•  
•  

cd sourcesgit clone https://github.com/NVIDIA-AI-IOT/deepstream_python_appscd deepstream_python_appsgit submodule update --init

 

• 安装 Gst-Python

 

•  
•  
•  
•  
•  
•  

apt update apt-get install -y apt-transport-https ca-certificates -yupdate-ca-certificatescd  3rdparty/gst-python/./autogen.shmake  &&  make install

 

• 安装 PyBinding：

 

请参照如下链接：

 

现在就完成了 Python 环境的配置。

 

5、测试 Python 范例

 

要验证环境是否调试完成的最简单方法，就是执行一个最基础的 deepstream-test1 范例，请在容器内执行以下指令：

 

•  
•  
•  

cd  /opt/nvidia/deepstream/deepstream/cd  sources/deepstream_python_apps/apps/deepstream-test1./deepstream_test_1.py  ../../../../samples/streams/sample_720p.h26

 

正常运行会看到如下图的执行结果。

 

 

 

这样就表示 DeepStream 容器的 Python 开发环境已经安装成功。

 

6、重复使用调试好的容器：

 

接下来就是要将前面调试好的容器环境存储起来，以后就不需要每次调试一次环境。这部分分成三个阶段：

 

（1）临时性保存：

 

事实上前面使用 “-id” 指令之后，这个容器就会一直保留在背景中执行，即便重启系统后也是存在的，如同前面所提供的，只要执行以下指令就能重新进入这个容器：

 

•  
•  

sudo xhost +si:localuser:rootdocker  start  ds_python  &&  docker  exec  -it  ds_python  bash

 

（2）储存成 Docker 镜像：

 

现在需要在打开一个命令终端，使用 “docker commit <容器名> <镜像名>” 指令，将目前执行的容器存成一个镜像，请执行以下指令：

 

•  

docker  commit  ds_python  deepstream-l4t:6.1-python

 

现在执行 “docker images” 指令，可以看到多了一个 “deepstream-l4t:6.1-python” 镜像，如下图所示：

 

 

只要不重装系统或者删除这个镜像，那么这个镜像就会一直保留在系统里面，以后如果需要再次使用，只要执行以下指令即可：

 

•  
•  

sudo xhost +si:localuser:rootsudo docker run -it --rm --net=host --runtime nvidia -e DISPLAY=$DISPLAY -w /opt/nvidia/deepstream/deepstream -v /tmp/.X11-unix/:/tmp/.X11-unix -v ~/nvme/deepstream/sources:/opt/nvidia/deepstream/deepstream/sources -v ~/nvme/deepstream/samples:/opt/nvidia/deepstream/deepstream/samples deepstream-l4t:6.1-python

 

或者可以同时启动多个独立的 Python 环境 DeepStream 容器，如下指令：

 

•  
•  

sudo xhost +si:localuser:rootsudo docker run -id --name=ds_python2 --net=host --runtime nvidia -e DISPLAY=$DISPLAY -w /opt/nvidia/deepstream/deepstream -v /tmp/.X11-unix/:/tmp/.X11-unix -v ~/nvme/deepstream/sources:/opt/nvidia/deepstream/deepstream/sources -v ~/nvme/deepstream/samples:/opt/nvidia/deepstream/deepstream/samples deepstream-l4t:6.1-python

 

（3）导出成文件：

 

最保险的方式，就是将这个 deepstream-l4t:6.1-python 镜像导出成文件，自行保存好，这样即便系统重新安装后，也能直接从这个文件载入镜像，然后开启工作容器：

 

•  
•  
•  
•  

# 将镜像导出成文件sudo  docker  save  deepstream-l4t:6.1-python  -o  jp50dp_ds61_python# 将文件载入成镜像sudo  docker  load  -i  jp50dp_ds61_python

 

现在，这个导出的 jp50dp_ds61_python 压缩文件，也能部署到其他 JetPack5.0 DP 所安装的 Jetson 设备上使用，不需要在每台机器上重复调试 Python 开发环境。

 

　　审核编辑：汤梓红