Create Jetson_docker.md

docs/zh_cn/01-how-to-build/Jetson_docker.md

@@ -0,0 +1,120 @@
+# 使用Jetson Docker镜像
+
+本文档指导如何在Jetson上通过[Docker](https://docs.docker.com/get-docker/)安装mmdeploy。
+
+## 获取预构建的docker镜像
+
+MMDeploy为用户在[Docker Hub](https://hub.docker.com/r/openmmlab/mmdeploy)上提供了预构建的docker镜像。这些docker镜像基于最新和已发布的版本构建。我们发布了两个版本的docker镜像，分别为Jetpack=5.1和Jetpack=4.6.1。例如，标签为`openmmlab/mmdeploy_jetpack5:v2`的镜像是为Jetpack5.1构建的，而标签为`openmmlab/mmdeploy_jetpack4.6.1:v1`的镜像则是为Jetpack 4.6.1构建的。Docker镜像的规格如下所示。
+
+- jetpack5.1
+
+|    项目    |   版本    |
+| :--------: | :------: |
+| Jetpack    |   5.1    |
+| Python     |  3.8.10  |
+| Torch      |   2.0.0  |
+| TorchVision|  0.15.0  |
+
+- jetpack4.6.1
+
+|    项目    |   版本    |
+| :--------: | :------: |
+| Jetpack    |   4.6.1  |
+| Python     |  3.8.10  |
+| Torch      |  1.10.0  |
+| TorchVision|  0.11.0  |
+
+- jetpack 5.1
+```shell
+export TAG=openmmlab/mmdeploy_jetpack5:v1
+docker pull $TAG
+```
+- jetpack 4.6.1
+```shell
+export TAG=openmmlab/mmdeploy_jetpack4.6:v1
+docker pull $TAG
+```
+
+## 构建docker镜像（可选）
+如果预构建的docker镜像不符合您的要求，您可以通过运行以下脚本来构建自己的镜像。docker文件分别为docker/jetson/jetpack5/Dockerfile和docker/jetson/jetpack4.6/Dockerfile，
+
+```shell
+sudo docker build docker/jetson/jetpack5 -t mmdeploy_jetson5:v1 .
+//
+sudo docker build docker/jetson/jetpack4.6 -t mmdeploy_jetson4.6:v1 .
+```
+
+## 运行docker容器
+拉取或构建docker镜像后，您可以使用docker run来启动docker服务：
+
+```shell
+sudo docker run -it --rm --runtime nvidia --network host openmmlab/mmdeploy_jetpack5:v2
+//
+sudo docker run -it --rm --runtime nvidia --network host openmmlab/mmdeploy_jetpack4.6:v1
+```
+
+## 故障排除
+如果您使用的是jetpack5，可能需要解决一些问题。
+
+1. OpenCV问题
+如果您发现import cv2时出错，找不到libpng15.so
+```shell
+  ln -s /usr/local/lib/python3.x/dist-packages/opencv-python.libs/* /usr/lib
+```
+2. mmdetection问题
+如果您发现安装了mmdetection，但无法导入mmdet。您应该将mmdet路径添加到PYTHONPATH
+```shell
+  export PYTHONPATH=$PYTHONPATH/your/mmdetection/you/git/clone
+```
+3. Jetson分布式问题
+如果您按照Jetson.md中的方法转换模型，您可能会发现torch.distributed没有ReduceOp属性。我只是提出了问题并做了一个简单的补丁，在./mmdeploy/tools/下添加jetson_patch.py文件
+```python
+import torch.distributed
+if not torch.distributed.is_available():
+  torch.distributed.ReduceOp = lambda: None
+```
+并在您需要的文件开头导入jetson_patch。我知道这并不优雅，但它确实有效...(适用于Jetson AGX Orin)
+4. Jetpack5.1 PyTorch2.0有一些问题
+  我们需要修改 torch.onnx._run_symbolic_method 这个函数。
+  **从**
+```python
+def _run_symbolic_method(g, op_name, symbolic_fn, args):
+    r"""
+    This trampoline function gets invoked for every symbolic method
+    call from C++.
+    """
+    try:
+        return symbolic_fn(g, *args)
+    except TypeError as e:
+        # Handle the specific case where we didn't successfully dispatch
+        # to symbolic_fn.  Otherwise, the backtrace will have the clues
+        # you need.
+        e.args = ("{} (occurred when translating {})".format(e.args[0], op_name),)
+        raise
+```
+  **到**
+```python
+@_beartype.beartype
+def _run_symbolic_method(g, op_name, symbolic_fn, args):
+    r"""
+    This trampoline function gets invoked for every symbolic method
+    call from C++.
+    """
+    try:
+        graph_context = jit_utils.GraphContext(
+            graph=g,
+            block=g.block(),
+            opset=GLOBALS.export_onnx_opset_version,
+            original_node=None,  # type: ignore[arg-type]
+            params_dict=_params_dict,
+            env={},
+        )
+        return symbolic_fn(graph_context, *args)
+    except TypeError as e:
+        # Handle the specific case where we didn't successfully dispatch
+        # to symbolic_fn.  Otherwise, the backtrace will have the clues
+        # you need.
+        e.args = (f"{e.args[0]} (occurred when translating {op_name})",)
+        raise
+  ```
+最后您就可以开心的使用这个镜像了:)