gehtgut

Nachdem das neue HP-Notebook angekommen ist und dann Ubuntu 20.04 Desktop installiert wurde, konnte ich den sdkmanager für das Jetson Orin Board erfolgreich starten. Das Deployment und die Installation von Ubuntu, Nvidia Treiber, Entwicklungstools konnten dann ebenfalls erfolgreich installiert werden. Das Deployment hat ca. 15 Mal das Board via USB-Verbindung getrennt und wieder verbunden. Hab mir das angesehen und da wurden 15 Block Devices angelegt.

NAME         MAJ:MIN RM   SIZE RO TYPE MOUNTPOINT
loop0          7:0    0    16M  1 loop
sda            8:0    0 238,5G  0 disk
└─sda1         8:1    0 238,5G  0 part /mnt/backup
zram0        251:0    0 622,6M  0 disk [SWAP]
zram1        251:1    0 622,6M  0 disk [SWAP]
zram2        251:2    0 622,6M  0 disk [SWAP]
zram3        251:3    0 622,6M  0 disk [SWAP]
zram4        251:4    0 622,6M  0 disk [SWAP]
zram5        251:5    0 622,6M  0 disk [SWAP]
nvme0n1      259:0    0 238,5G  0 disk
├─nvme0n1p1  259:1    0   237G  0 part /
├─nvme0n1p2  259:2    0   128M  0 part
├─nvme0n1p3  259:3    0   768K  0 part
├─nvme0n1p4  259:4    0  31,6M  0 part
├─nvme0n1p5  259:5    0   128M  0 part
├─nvme0n1p6  259:6    0   768K  0 part
├─nvme0n1p7  259:7    0  31,6M  0 part
├─nvme0n1p8  259:8    0    80M  0 part
├─nvme0n1p9  259:9    0   512K  0 part
├─nvme0n1p10 259:10   0    64M  0 part
├─nvme0n1p11 259:11   0    80M  0 part
├─nvme0n1p12 259:12   0   512K  0 part
├─nvme0n1p13 259:13   0    64M  0 part
├─nvme0n1p14 259:14   0   400M  0 part
└─nvme0n1p15 259:15   0 479,5M  0 part

Dann kam die Stunde der Wahrheit ob die 40 TOPS der GPU mit Docker angesprochen werden können. Installation mit “apt install docker.io docker-compose” durchgeführt. Dann noch zusätzliche Binarys installiert für den Nvidia Docker. Umstellung des Docker Daemon auf Nvidia Docker:

cat /etc/docker/daemon.json
{
    "runtimes": {
        "nvidia": {
            "args": [],
            "path": "nvidia-container-runtime"
        }
    },
    "default-runtime": "nvidia"
}

Und Hurra .... die Docker Anwendungen laufen auf der GPU. Es ist unglaublich was für eine enorme Leistung dieses kleine Gerät mit 10 Watt Energieaufnahme besitzt.

Es hat sich gelohnt und derzeit sind schon 20 Anwendungen installiert und der Desktop Tower mit 80 Watt Leistungsaufnahme konnte abgeschaltet werden.

Ein paar Versuche mit Künstlicher Intelligenz waren ebenfalls sehr erfolgreich. Siehe hier dazu weitere Links : https://www.jetson-ai-lab.com/tutorial-intro.html