从Dockerfile构建Jetson镜像时构建阶段CUDA库目录不完整怎么办？

• 你使用的NVIDIA官方nvcr.io/nvidia/l4t-pytorch系列Jetson基础镜像，为了压缩基础镜像体积，没有将完整的CUDA aarch64平台库文件直接固化到镜像的只读文件层中。
• 镜像在构建层中仅给/usr/local/cuda-10.2/targets/aarch64-linux/lib/目录预留了占位的软链接、少量配置文件，因此Docker执行RUN命令时通过ls看到的就是这部分少量占位内容。
• 完整的CUDA库文件被拆分存储在镜像的独立隐藏存储路径下，仅当使用带NVIDIA Container Toolkit支持的参数启动容器、进入交互Shell时，容器运行时才会通过挂载钩子把这部分完整文件临时透传到目标目录下；Docker构建流程的RUN执行环节不会触发这套挂载逻辑，因此会出现“构建时目录文件少、运行进容器后文件全”的差异。

• 首先在本地不启用GPU挂载的前提下，启动基础镜像的临时容器，定位拆分存储的完整CUDA库的实际路径：执行docker run --rm --entrypoint sh nvcr.io/nvidia/l4t-pytorch:r32.4.4-pth1.6-py3 -c "find /usr/local/cuda-10.2 -type d -name lib | grep -v targets"，命令输出的路径就是实际存放完整库文件的目录。
• 在Dockerfile的所有依赖安装步骤之前，先将实际存储路径下的库文件复制到目标目录，示例代码如下：

FROM nvcr.io/nvidia/l4t-pytorch:r32.4.4-pth1.6-py3

# 补全CUDA库目录内容
RUN REAL_CUDA_LIB_PATH=$(find /usr/local/cuda-10.2 -type d -name lib | grep -v targets | head -n 1) && \
    cp -a ${REAL_CUDA_LIB_PATH}/. /usr/local/cuda-10.2/targets/aarch64-linux/lib/

# 后续的依赖安装、编译操作即可直接正常使用该目录下的库文件
RUN ls -l /usr/local/cuda-10.2/targets/aarch64-linux/lib/

• 注意事项：提前复制的库文件和容器运行时挂载的库文件版本完全一致，不会出现文件冲突或覆盖问题，后续安装流程可以完全在Dockerfile构建阶段完成，不需要进入运行后的容器手动操作。

内容的提问来源于stack exchange，提问作者Alexander R.