dusty-nv/jetson-containers 테크니컬 매뉴얼

2025-11-15, G25DR

1. `jetson-containers` 개요

1.1 프로젝트 정의: Jetson 개발의 복잡성 해결

jetson-containers는 NVIDIA Jetson 플랫폼을 위한 머신러닝 컨테이너를 빌드하고 관리하는 모듈형 시스템이다.1 이는 NVIDIA 엔지니어 Dustin Franklin (dusty-nv)에 의해 주도되는 프로젝트로 3, 단순한 컨테이너 이미지의 집합이 아니라, Jetson 환경에 최적화된 AI 및 로보틱스 개발 환경을 동적으로 생성하고 배포하기 위한 정교한 자동화 프레임워크다.2

1.2 핵심 목적: “의존성 지옥” (Dependency Hell)의 극복

NVIDIA Jetson 플랫폼에서의 개발은 본질적인 난제를 안고 있다. 이는 급격하게 발전하는 머신러닝(ML) 프레임워크, CUDA, cuDNN, TensorRT와 같은 NVIDIA 라이브러리, 그리고 이 모든 것을 지원하는 JetPack SDK 간의 복잡하고 상호 의존적인 관계에서 비롯된다.3

개발 환경은 “늪지 위에 건물을 짓는 것” 3에 비유될 만큼 불안정하며, 특정 ML 작업을 위해 라이브러리 버전을 맞추는 것은 극도로 어렵다.3 jetson-containers는 이러한 의존성을 Docker 컨테이너라는 격리된 공간에 캡슐화하고 표준화함으로써, 개발자가 호스트 시스템의 오염이나 버전 충돌 걱정 없이 안정적이고 재현 가능한 개발 환경을 확보하는 것을 최우선 목적으로 한다.3

1.3 아키텍처: 모듈성, 구성 가능성, 자동화

jetson-containers의 핵심 아키텍처는 “모듈형 컨테이너 빌드 시스템“이다.4 이는 사용자가 pytorch, transformers, ros:humble-desktop과 같은 개별 “패키지” 또는 “모듈“을 선택하면 4, 시스템이 이러한 요구사항을 조합하여 동적으로 커스텀 Docker 이미지를 생성하는 방식이다.

이 시스템은 공식 NVIDIA NGC 컨테이너 5의 한계를 보완한다. NGC 컨테이너는 높은 안정성과 최적화를 제공하지만, JetPack 릴리스 주기에 묶여 있어 7 최신 ML 연구 커뮤니티의 빠른 변화 속도를 따라잡기 어렵다.3 jetson-containers는 공식 릴리스의 안정성과 오픈소스 연구의 신속성 사이의 간극을 메우는, 개발자 중심의 유연한 “컨테이너 팩토리” 역할을 수행한다.

이 프로젝트의 진정한 가치는 컨테이너 이미지를 제공하는 것을 넘어, 이미지를 *생성하는 도구(Tooling)*를 제공하는 데 있다. autotag 유틸리티 4는 JetPack/L4T 버전을 자동으로 감지하여 호환되는 컨테이너를 지능적으로 선택(빌드 또는 풀링)함으로써 자동화를 구현한다. 이는 Docker의 apt나 pip처럼, 컨테이너 레이어 수준에서 패키지 관리를 수행하는 정교한 메타-빌드 시스템이다.

2. 시스템 요구사항 및 사전 설정

2.1 호환 하드웨어 및 JetPack 버전

jetson-containers는 Jetson Orin, Xavier, Nano 등 모든 NVIDIA Jetson 디바이스를 지원한다.7

그러나 프로젝트의 main 브랜치는 최신 기술 스택을 반영하며, 공식적으로는 JetPack 6.2 (CUDA 12.6) 및 JetPack 7 (CUDA 13.x) 버전만 테스트 및 지원한다.4 구버전 JetPack (예: JP 4, JP 5) 7 사용자는 legacy 브랜치를 사용해야 할 수 있으나 4, 모든 기능이 보장되지는 않는다.

2.2 필수 구성 요소 1: Docker 설치

JetPack 6.x로의 업그레이드는 jetson-containers 사용에 있어 중대한 변화를 야기했다. 과거 JetPack 4.x 및 5.x에는 Docker가 기본적으로 포함되어 있었지만 6, JetPack 6.x부터는 Docker가 더 이상 사전 설치되지 않는다.10

이는 JetPack 6.x 사용자가 jetson-containers 설치 이전에 반드시 Docker를 수동으로 설치해야 함을 의미한다.

[설치 절차 및 주의사항]

Docker는 Ubuntu의 apt 저장소가 아닌, **Docker 공식 웹사이트(get.docker.com)**를 통해 배포되는 스크립트로 설치해야 한다.11

curl https://get.docker.com | sh

설치 후, Docker 데몬을 활성화하고 부팅 시 자동 시작되도록 설정한다.11

sudo systemctl --now enable docker

sudo 없이 docker 명령을 사용하기 위해 현재 사용자를 docker 그룹에 추가한다. 이는 필수적인 단계다.11

sudo usermod -aG docker $USER
newgrp docker 또는 reboot

2.3 필수 구성 요소 2: NVIDIA Container Toolkit (CTK) 설정

Jetson 디바이스의 GPU, 비디오 인코더, 카메라 등 하드웨어 가속 기능을 컨테이너 내부에서 사용하려면 nvidia-container-toolkit (과거 nvidia-docker2) 9이 반드시 필요하다.

JetPack 6.x에서는 nvidia-container-toolkit 관련 라이브러리가 기본적으로 존재하지만 10, Docker가 이를 런타임으로 사용하도록 명시적으로 구성해야 한다.

[설정 절차]

NVIDIA Container Toolkit 관련 패키지를 설치한다.11

sudo apt-get update
sudo apt install -y nvidia-container-toolkit

Docker가 nvidia 런타임을 기본으로 사용하도록 구성한다.11

sudo nvidia-ctk runtime configure --runtime=docker

Docker 데몬을 재시작하여 변경 사항을 적용한다.11

sudo systemctl daemon-reload
sudo systemctl restart docker

설정이 올바르게 완료되었는지 확인한다. Runtimes 항목에 “nvidia“가 표시되어야 한다.9

sudo docker info | grep nvidia

이 섹션의 절차(Docker 설치 및 CTK 구성)는 jetson-containers 설치 이전에 완료되어야 하는 가장 중요한 시스템 사전 설정이다.

3. `jetson-containers` 설치 및 기본 구성

3.1 저장소 복제 (Clone)

jetson-containers의 설치는 docker pull이 아닌 git clone으로 시작한다.4 이는 사용자가 완성된 컨테이너 이미지가 아닌, 컨테이너를 정의하고 생성하는 전체 엔지니어링 툴킷(Dockerfile, 빌드 스크립트, 패키지 정의)을 로컬에 보유하게 됨을 의미한다.

git clone https://github.com/dusty-nv/jetson-containers

3.2 헬퍼 스크립트 설치

저장소 복제 후, install.sh 스크립트를 실행하여 jetson-containers 유틸리티를 설치한다.4

bash jetson-containers/install.sh

3.3 `install.sh`의 실제 기능

install.sh 스크립트는 Docker나 NVIDIA Container Toolkit을 설치하는 것이 아니다 (이는 섹션 2의 사전 작업이다). 이 스크립트의 역할은 pyproject.toml 4에 정의된 Python 기반의 헬퍼 도구 (CLI)를 사용자의 시스템 경로에 설치하는 것이다.

설치가 완료되면, 사용자는 jetson-containers (빌드), run.sh (실행), autotag (태그 검색)와 같은 강력한 추상화 명령어를 터미널에서 직접 사용할 수 있게 된다.

4. 핵심 유틸리티 명령어 심층 분석

jetson-containers의 핵심 가치는 표준 docker 명령어를 Jetson 플랫폼에 맞게 추상화하고 자동화하는 유틸리티에 있다.

4.1 `jetson-containers build` (빌드)

이는 사용자가 요청하는 여러 패키지(모듈)를 조합하여 새로운 커스텀 Docker 이미지를 동적으로 생성하는 명령어다.4

이 명령어는 프로젝트의 핵심 원칙인 *구성 가능성(Composability)*을 구현한다. 예를 들어, ros:pytorch 컨테이너는 l4t-pytorch라는 베이스 컨테이너 위에 ROS를 빌드(스태킹)하는 방식으로 정의된다.12 build 명령어는 이러한 복잡한 의존성 트리를 해석하고 최적의 빌드 순서를 오케스트레이션한다.

사용 예시 1 (다중 패키지 조합):

PyTorch, Transformers, 그리고 ROS2 Humble Desktop 버전을 모두 포함하는 단일 컨테이너 my_container를 빌드한다.4

jetson-containers build --name=my_container pytorch transformers ros:humble-desktop

사용 예시 2 (버전 제어 빌드):

환경 변수를 통해 특정 CUDA 버전에 맞춰 전체 빌드 스택을 재구성한다.4

CUDA_VERSION=12.6 jetson-containers build transformers

4.2 `autotag` (자동 태그 지정)

autotag는 jetson-containers의 가장 핵심적인 자동화 메커니즘이다. 이 유틸리티는 사용자의 현재 JetPack/L4T 버전을 자동으로 감지하고 4, 해당 버전과 호환되는 Docker 이미지 태그를 반환한다.4

autotag는 Jetson 플랫폼의 파편화 문제를 해결한다. 개발자는 “PyTorch가 필요하다” (l4t-pytorch)는 의도만 선언하면, autotag가 현재 시스템의 현실 (예: “L4T r36.3.0” 13)을 파악하여 정확한 이미지 태그(예: r36.3.0)를 찾아준다.

작동 순서: autotag는 호환되는 이미지를 찾기 위해 다음 순서를 따른다.4

로컬 시스템에 이미지가 있는지 검색
원격 레지스트리 (DockerHub 등)에서 검색
두 곳 모두 없으면 로컬에서 빌드 시도

사용 예시:

$(autotag l4t-pytorch)는 현재 L4T 버전에 맞는 l4t-pytorch 태그(예: dustynv/l4t-pytorch:r36.2.0)를 자동으로 찾아 셸 명령어에 전달한다.4

4.3 `jetson-containers run` (실행)

이 명령어는 표준 docker run 명령의 고기능 *래퍼(wrapper)*다.4 이는 단순한 바로가기가 아니라, Jetson 플랫폼의 복잡성을 숨기는 하드웨어 추상화 계층(Hardware Abstraction Layer, HAL) 역할을 수행한다.

jetson-containers run은 사용자를 대신하여 Jetson에 필수적인 기본 옵션들을 자동으로 추가한다.4

--runtime nvidia: GPU 가속 활성화.
/data 캐시 마운트: 모델 파일 등을 공유하여 저장 공간 절약.
디바이스 마운트: Jetson의 특정 하드웨어(카메라, 디스플레이, 인코더/디코더 등)에 접근하기 위해 필요한 모든 복잡한 장치 파일 및 소켓(예: /tmp/argus_socket, /etc/enctune.conf, /dev/video* 등 14)을 자동으로 감지하고 컨테이너에 마운트한다.

사용 예시 1 (기본 실행):

autotag와 연동하여 현재 L4T 버전에 맞는 l4t-pytorch 컨테이너를 즉시 실행한다.

jetson-containers run $(autotag l4t-pytorch)

사용 예시 2 (컨테이너 내부 명령어 실행):

컨테이너를 실행함과 동시에, 컨테이너 내부에서 특정 명령어(예: ros2 launch)를 실행한다.15

jetson-containers run $(autotag nano_llm:humble) ros2 launch...

4.4 수동 `docker run` (고급 사용법)

jetson-containers 헬퍼 스크립트를 사용하지 않고, 표준 docker 명령으로도 컨테이너를 실행할 수 있다.4

수동 실행 예시:

sudo docker run --runtime nvidia -it --rm --network=host \
-v /tmp/.X11-unix/:/tmp/.X10-unix -e DISPLAY=$DISPLAY \
dustynv/l4t-pytorch:r36.2.0

그러나 이 경우, 카메라(Argus), 비디오 인코더(enctune), Jetson 모델 정보 등 하드웨어 가속에 필요한 모든 경로를 수동으로 마운트해야 하는 극도의 복잡성이 따른다.14 jetson-containers run 유틸리티는 14에 나열된 것과 같은 복잡한 -v 마운트 작업을 모두 자동으로 처리하여 사용자를 이러한 복잡성으로부터 해방시킨다.

5. 지원 패키지 및 컨테이너 생태계

jetson-containers는 AI, 로보틱스, 비전 처리를 아우르는 방대한 패키지 생태계를 제공한다. 이 패키지들은 build 명령어를 통해 조합(composable) 가능하다.

5.1 AI 및 머신러닝 프레임워크

PyTorch: l4t-pytorch라는 이름으로 제공되며, torchvision을 포함한다. JetPack 버전별로 최적화된 사전 빌드 이미지가 존재한다.4
TensorFlow: l4t-tensorflow로 제공된다.4
LLM / VLM: vLLM 4, SGLang 4, transformers 4, ollama 4 등 최신 LLM 서빙 프레임워크와 NanoLLM 2 같은 Jetson 최적화 추론 엔진을 광범위하게 지원한다.

5.2 로보틱스 (Robotics)

ROS / ROS2: ROS 1 (Melodic, Noetic) 및 ROS 2 (Foxy, Galactic, Humble, Iron)의 ros-base (CLI) 및 desktop (GUI 도구 포함) 버전을 모두 지원한다.4
AI-ROS 통합: 이 프로젝트의 핵심 강점은 PyTorch가 사전 설치된 ROS 컨테이너(예: ros:humble-pytorch)를 제공하는 데 있다.12 이 통합 컨테이너에는 jetson-inference 및 ros_deep_learning 패키지가 포함되어 있어 18, 로봇 인식(perception) 스택을 즉시 개발할 수 있다.
NVIDIA Isaac ROS: 하드웨어 가속 ROS 2 패키지인 Isaac ROS 16와의 통합을 지원하며, ROS 2 Humble 기반 컨테이너를 제공한다.19

5.3 비전 및 SDK

jetson-inference: imageNet (분류), detectNet (탐지), segNet (분할) 등 C++ 및 Python으로 구현된 고성능 DNN 추론 예제 라이브러리다.8
DeepStream: NVIDIA의 실시간 지능형 비디오 분석(IVA) SDK다.4
기타: OpenCV (CUDA 가속 포함) 4, ZED SDK 4 등 주요 비전 라이브러리를 지원한다.

5.4 표 1: `jetson-containers` 주요 지원 패키지 및 모듈

카테고리	패키지명 (예)	설명	관련 소스
AI 프레임워크	`pytorch` (l4t-pytorch)	JetPack 버전에 최적화된 PyTorch 및 torchvision.	4
AI 프레임워크	`tensorflow` (l4t-tensorflow)	JetPack 버전에 최적화된 TensorFlow.	4
LLM / VLM	`vLLM`	대규모 언어 모델(LLM)을 위한 고속 추론 및 서빙 엔진.	4
LLM / VLM	`NanoLLM`	Jetson Orin/Xavier에 최적화된 로컬 LLM/VLM 추론 라이브러리.	2
로보틱스	`ros` (예: `ros:humble-desktop`)	ROS 1 및 ROS 2 배포판 (Base 또는 Desktop 버전).	4
로보틱스	`ros:pytorch` (예: `ros:humble-pytorch`)	PyTorch가 사전 설치된 ROS 컨테이너. `ros_deep_learning` 포함.	12
비전 SDK	`jetson-inference`	detectNet, segNet 등 DNN 추론 예제를 포함하는 라이브러리.	8
비전 SDK	`DeepStream`	NVIDIA의 실시간 지능형 비디오 분석(IVA) SDK.	9

6. 실전 적용 가이드

jetson-containers의 실제 사용 사례를 “웹 서비스 배포“와 “임베디드 로보틱스 통합“이라는 두 가지 핵심 아키타입으로 나누어 설명한다.

6.1 AI 모델 배포: Stable Diffusion WebUI

이 튜토리얼은 jetson-containers를 사용하여 텍스트-이미지 생성 AI 모델을 웹 서비스로 배포하는 과정을 보여준다.22

목표: AUTOMATIC1111의 stable-diffusion-webui를 실행하여, 텍스트 프롬프트로 이미지를 생성하는 웹 인터페이스를 Jetson에서 호스팅한다.22
요구사항: Jetson Orin 계열, JetPack 5/6, NVMe SSD (모델 다운로드를 위해 강력히 권장됨).22
단계 1. (사전 설정): 섹션 2, 3에 따라 시스템 및 jetson-containers 도구 설치를 완료한다.
단계 2. (컨테이너 실행): jetson-containers run과 autotag를 사용하여 stable-diffusion-webui 컨테이너를 시작한다.22

jetson-containers run $(autotag stable-diffusion-webui)

단계 3. (자동화): 이 컨테이너는 --xformers, --listen, --port=7860 등의 최적화 플래그와 함께 launch.py 스크립트를 자동으로 실행하여 웹 서버를 시작하도록 사전 구성되어 있다.22
단계 4. (접근): 호스트 PC 또는 모바일 기기의 웹 브라우저에서 http://[Jetson-IP-주소]:7860으로 접속하여 Stable Diffusion WebUI를 사용한다.22

6.2 로보틱스 통합: ROS2 및 생성형 AI (`nano_llm`)

이 튜토리얼은 jetson-containers가 제공하는 추상화의 총합을 보여주는 핵심 예제다. Jetson에 연결된 카메라의 영상을 실시간으로 분석하고, 그 결과를 ROS2 토픽으로 발행하는 생성형 AI 로봇 노드(VLM)를 실행한다.15

목표: nano_llm:humble 컨테이너를 실행하여, 실시간 카메라 피드를 입력받아 VLM(Vision-Language Model)이 이미지 캡션을 생성하고, 이 결과를 ROS2 토픽으로 발행(publish)한다.15
요구사항: Jetson Orin 계열, JetPack 5/6, NVMe SSD, USB 또는 CSI 카메라.15
단계 1. (하드웨어 확인): 카메라가 시스템에 올바르게 연결되었는지 확인한다.15

ls /dev/video*

단계 2. (컨테이너 실행 및 노드 론칭): 단일 명령어를 통해 컨테이너 실행과 ROS2 노드 론칭을 동시에 수행한다.15

jetson-containers run $(autotag nano_llm:humble) \
ros2 launch ros2_nanollm camera_input_example.launch.py

단계 3. (작동 분석): 이 단일 명령어는 jetson-containers의 모든 추상화(하드웨어 및 소프트웨어)가 동시에 작동하는 완벽한 증거다.

소프트웨어 추상화 (autotag): 현재 L4T 버전에 맞는 nano_llm:humble (ROS2 Humble + NanoLLM) 복합 이미지를 자동으로 찾는다.
하드웨어 추상화 (run): VLM 추론을 위한 GPU (--runtime nvidia)와 ls /dev/video*로 확인된 카메라 장치 파일을 컨테이너 내부로 자동 매핑한다.
네트워킹 추상화 (run): ROS2 노드가 호스트 및 외부와 통신할 수 있도록 호스트 네트워킹을 자동 설정한다.
프로세스 실행: 컨테이너 내부에서 ros2 launch 명령을 실행하여 Llama-3-VILA1.5-8B VLM을 로드한다.15

단계 4. (ROS2 통합): VLM이 생성한 이미지 캡션과 오버레이 이미지가 ROS2 토픽으로 실시간 발행된다. 개발자는 RViz, Foxglove 또는 다른 ROS2 노드에서 이 토픽을 구독(subscribe)하여 로봇의 자율 주행이나 작업 계획에 활용할 수 있다.15

7. 문제 해결 (Troubleshooting) 및 고급 구성

NVIDIA 개발자 포럼 및 GitHub 이슈 분석 결과 17, 사용자는 종종 호스트 OS의 문제나 Docker 자체의 설정을 jetson-containers의 결함으로 오인하는 경향이 나타난다. 따라서 문제 해결 시 문제의 근원지를 명확히 분류하는 것이 중요하다.

7.1 유형 1: 호스트 OS 설정 문제

문제: Jetson Orin Nano (JetPack 6.x)에서 Chrome/Firefox 등 웹 브라우저가 실행되지 않는다.17
원인: 이는 jetson-containers와 무관한 호스트 Ubuntu OS의 snapd 패키지 결함이다.17
해결: snapd 패키지를 특정 리비전으로 다운그레이드하여 문제를 해결한다.17

7.2 유형 2: Docker 기본 설정 문제

문제: jetson-containers run으로 실행한 컨테이너가 시스템 재부팅 후 사라지거나 중지된다.17
원인: 이는 Docker의 기본 동작이다. run 명령어는 기본적으로 재시작 정책을 설정하지 않으며, jetson-containers 헬퍼는 테스트 편의를 위해 --rm (종료 시 삭제) 옵션을 포함할 수 있다.4
해결: 컨테이너의 영속성이 필요하다면 jetson-containers run 헬퍼 대신, 표준 docker run 명령어에 --restart=always 플래그를 추가해야 한다. 또는, 여러 컨테이너를 관리하기 위해 Docker Compose를 사용하는 것이 권장된다.17
문제: 컨테이너에 고정 IP를 할당하는 등 복잡한 네트워킹 설정이 어렵다.17
원인: jetson-containers run은 사용 편의성(예: ROS2 검색)을 위해 --network=host (호스트 네트워크 공유) 4를 기본값으로 사용할 가능성이 높다. 이 모드에서는 컨테이너가 개별 IP를 가질 수 없다.
해결: 분리된 네트워크(bridge)가 필요하면 run 헬퍼를 사용하지 말고, docker run --network=bridge -p 80:80... 등 표준 Docker 네트워킹 옵션을 사용하여 수동으로 실행해야 한다.

7.3 유형 3: `jetson-containers` 도구 문제

문제: autotag가 호환되는 이미지를 찾지 못하고 빌드를 시도하다가 실패한다.13
원인: (a) 사용 중인 JetPack 버전이 공식 지원(JP 6.2, 7.x) 4 범위를 벗어남. (b) git clone한 로컬 저장소가 최신이 아님. (c) 특정 패키지가 해당 L4T 버전을 (아직) 지원하지 않음.
해결: jetson-containers 디렉토리에서 git pull을 실행하여 저장소를 최신 상태로 업데이트하고, 지원되는 JetPack 버전을 사용 중인지 재확인한다.

7.4 공식 지원 채널

GitHub Issues: jetson-containers 도구 자체의 버그, 빌드 스크립트 실패, 패키지 지원 요청 등은 공식 GitHub Issues 23를 통해 보고하고 검색하는 것이 가장 효율적이다.
NVIDIA 개발자 포럼: JetPack 설치, Docker/CTK 설정, 카메라 등 하드웨어 드라이버 문제, snapd 오류 등 전반적인 Jetson 플랫폼 문제는 NVIDIA 개발자 포럼 17이 더 적합하다.

8. 결론

jetson-containers는 NVIDIA Jetson 플랫폼에서 현대적인 AI 및 로보틱스 애플리케이션을 개발하는 데 필수적인 핵심 도구로 자리매김했다. 이는 NVIDIA의 “클라우드 네이티브” 비전 16과, 급변하는 ML 커뮤니티의 혁신 속도 3, 그리고 임베디드 하드웨어의 파편화된 현실 14 사이의 간극을 메우는 강력한 브릿지 역할을 수행한다.

본 프로젝트의 성공은 두 가지 강력한 추상화 메커니즘에 기인한다:

소프트웨어 의존성 추상화: autotag 4와 모듈형 build 4 시스템을 통해, JetPack, CUDA, PyTorch, ROS 간의 복잡한 “의존성 늪” 3을 해결한다.
하드웨어 의존성 추상화: jetson-containers run 4 유틸리티를 통해, 카메라 소켓 14, 비디오 인코더, GPU 등 Jetson 고유의 하드웨어 접근을 자동화하여 개발자가 플랫폼의 복잡성을 인지할 필요 없게 한다.

결론적으로, jetson-containers는 시스템 통합의 부담을 획기적으로 낮춤으로써, 개발자가 애플리케이션 로직 개발이라는 본질적인 가치에만 집중할 수 있는 안정적이고 현대적인 개발 워크플로우를 제공한다.

9. Works cited

Releases · dusty-nv/jetson-containers - GitHub, accessed November 15, 2025, https://github.com/dusty-nv/jetson-containers/releases
Dustin Franklin dusty-nv - GitHub, accessed November 15, 2025, https://github.com/dusty-nv
Use These! Jetson Docker Containers Tutorial - JetsonHacks, accessed November 15, 2025, https://jetsonhacks.com/2023/09/04/use-these-jetson-docker-containers-tutorial/
dusty-nv/jetson-containers: Machine Learning Containers … - GitHub, accessed November 15, 2025, https://github.com/dusty-nv/jetson-containers
JetPack SDK 5.0.2 - NVIDIA Developer, accessed November 15, 2025, https://developer.nvidia.com/embedded/jetpack-sdk-502
Your First Jetson Container | NVIDIA Developer, accessed November 15, 2025, https://developer.nvidia.com/embedded/learn/tutorials/jetson-container
NVIDIA L4T PyTorch, accessed November 15, 2025, https://catalog.ngc.nvidia.com/orgs/nvidia/containers/l4t-pytorch
dusty-nv/jetson-inference: Hello AI World guide to deploying deep-learning inference networks and deep vision primitives with TensorRT and NVIDIA Jetson. - GitHub, accessed November 15, 2025, https://github.com/dusty-nv/jetson-inference
NVIDIA Container Runtime on Jetson (Beta) — Cloud Native Products documentation, accessed November 15, 2025, https://nvidia.github.io/container-wiki/toolkit/jetson.html
Docker Setup On Jetson Orin - Includes JetPack 6 Docker fix - YouTube, accessed November 15, 2025, https://www.youtube.com/watch?v=d2I_wjJTekw
Docker Setup — Jetson AGX Thor Developer Kit - User Guide - NVIDIA Docs Hub, accessed November 15, 2025, https://docs.nvidia.com/jetson/agx-thor-devkit/user-guide/latest/setup_docker.html
ROS with Tensorflow on Jetson TX2 - NVIDIA Developer Forums, accessed November 15, 2025, https://forums.developer.nvidia.com/t/ros-with-tensorflow-on-jetson-tx2/209391
Jetson-containers keep exiting with error code but not sure what it means, accessed November 15, 2025, https://forums.developer.nvidia.com/t/jetson-containers-keep-exiting-with-error-code-but-not-sure-what-it-means/320624
Start jetson-inference container on boot up - NVIDIA Developer Forums, accessed November 15, 2025, https://forums.developer.nvidia.com/t/start-jetson-inference-container-on-boot-up/290109
ROS2 Nodes - NVIDIA Jetson AI Lab, accessed November 15, 2025, https://www.jetson-ai-lab.com/ros.html
JetPack Software Stack for NVIDIA Jetson - NVIDIA Developer, accessed November 15, 2025, https://developer.nvidia.com/embedded/jetpack
Jetson Orin Nano Setup. Issues and more issues - NVIDIA …, accessed November 15, 2025, https://forums.developer.nvidia.com/t/jetson-orin-nano-setup-issues-and-more-issues/341029
orig/jetson-containers - Gitee, accessed November 15, 2025, https://gitee.com/orig/jetson-containers
Connect Create® 3 to NVIDIA® Jetson™ and set up ROS 2 Galactic, accessed November 15, 2025, https://iroboteducation.github.io/create3_docs/setup/jetson/
Creating Docker Image for NVIDIA® Jetson™ with OpenCV - Stereolabs, accessed November 15, 2025, https://www.stereolabs.com/docs/docker/opencv-ros-images-for-jetson
How to Install ZED SDK with Docker on NVIDIA® Jetson - Stereolabs, accessed November 15, 2025, https://www.stereolabs.com/docs/docker/install-guide-jetson
Stable Diffusion - NVIDIA Jetson AI Lab, accessed November 15, 2025, https://www.jetson-ai-lab.com/tutorial_stable-diffusion.html
Issues · dusty-nv/jetson-containers - GitHub, accessed November 15, 2025, https://github.com/dusty-nv/jetson-containers/issues
Troubleshooting jetson-containers on NVIDIA AGX Xavier · Issue …, accessed November 15, 2025, https://github.com/dusty-nv/jetson-containers/issues/358