安裝虛擬機和Ubuntu18.04環(huán)境
這兩步比較簡單，所以略了。虛擬機的配置需要注意硬盤空間大一點，至少40G。
安裝sdk-manager
NVIDIA SDK Manager下載地址：https://developer.nvidia.com/drive/sdk-manager
sudo dpkg -i sdkmanager_1.9.0-10816_amd64.deb
直接執(zhí)行會報缺少依賴的問題，然后執(zhí)行命令：
sudo apt --fix-broken install
安裝依賴。等待依賴安裝完成。
依賴安裝完成后再次執(zhí)行安裝sdk的命令。
到這里sdk-manager安裝完成了。
NX燒錄系統(tǒng)
將第二個針和第三個針鏈接，然后將板子上Micro USB通過數(shù)據(jù)線和電腦鏈接，插入電源線。
打開sdk-manager，輸入賬號和密碼登陸。
彈出對話框，選擇Yes，然后點擊OK。
進入主頁面，可以看到，NX已經(jīng)鏈接上了。然后只勾選Linux這一欄，安裝JetPack。這是個下拉框，可以選擇不同的版本，我直接選擇最新版本。
然后，只勾選Jetson Linux，因為板子只有16G的空間，只能夠安裝系統(tǒng)的。按照下圖選擇好后，就可以進入下一步了。
接下來就是下載Jetson OS 然后開始燒錄系統(tǒng)。
第一次燒錄，正常情況下都可以順利完成，我這張圖是二次燒錄時出現(xiàn)的。下面會介紹第二次燒錄時應(yīng)該怎么做。
燒錄完成后，就可以將鏈接第二針腳和第三針腳的線取下來了。
等待燒錄完成后，鏈接顯示器開機并配置環(huán)境。
選擇復(fù)選框，然后點擊Continue
選擇中文簡體，不喜歡中文的，可以默認(rèn)選擇英文。
鍵盤布局選擇英文，然后點擊繼續(xù)
設(shè)置用戶名和密碼。完成后點擊繼續(xù)。系統(tǒng)配置過程和安裝Ubuntu系統(tǒng)是一樣的，沒有特別的設(shè)置。
輸入下面的命令查看Jetpack的版本。
sudo apt-cache show nvidia-jetpack
將系統(tǒng)遷移到SSD
接下來將系統(tǒng)遷移到SSD，NX只有16G的空間，只能安裝個系統(tǒng)，其他的就別想了。遷移到SSD上才能發(fā)揮出作用。
如果沒有安裝SSD，先斷電安裝，然后點擊Disks。
選擇Format Disk格式化硬盤。
點擊Format.
點擊Format.
點擊+符號，將硬盤掛載到系統(tǒng)。
調(diào)整硬盤大小。默認(rèn)128G。
輸入SSD硬盤的名字，比如“SSD”。
然后，點擊Create。創(chuàng)建硬盤分區(qū)。如下圖：
接下來，打開命令行，然后輸入：
git clone https://github.com/jetsonhacks/rootOnNVMe.git
下載完成后，可以看到如下幾個文件。
然后 進入 rootOnNVMe, 執(zhí)行copy-rootfs-ssd.sh腳本。
開始將系統(tǒng)復(fù)制到SSD，等待復(fù)制完成后。
執(zhí)行./setup-service.sh腳本。
然后重啟就可以從SSD啟動系統(tǒng)了。
安裝CUDA
這里有兩種方法。第一種通過bootFromExternalStorage安裝。第二種使用sdk-manager安裝。
bootFromExternalStorage安裝
從Github獲取bootFromExternalStorage，鏈接：https://github.com/jetsonhacks/bootFromExternalStorage，執(zhí)行命令：
git clone https://github.com/jetsonhacks/bootFromExternalStorage.git
給bootFromExternalStorage賦權(quán)限
sudo chmod -R 777 bootFromExternalStorage
運行腳本
cd bootFromExternalStorage
./install_jetson_default_packages.sh
然后就開始下載jetpack的默認(rèn)配置環(huán)境，里面包括CUDA和cuDNN等。
sdk-manager安裝
這個安裝可前面安裝JetPack系統(tǒng)操作類似，然后將板子上Micro USB通過數(shù)據(jù)線和電腦鏈接。
然后將Jetson SDk全選，然后轉(zhuǎn)到第三步，下載這些軟件并安裝。等待完成后就可以配置CUDA的環(huán)境變量了。
配置CUDA環(huán)境變量
安裝完成后，輸入ncvv -V,發(fā)現(xiàn)并不能讀取CUDA的版本，這是因為環(huán)境變量還沒有配置
輸入gedit ~/.bashrc命令打開文件，在文件結(jié)尾輸入以下語句，保存。
export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
更新環(huán)境變量配置
source ~/.bashrc
然后再輸入nvcc -V，就可以看到CUDA的版本信息了。
配置cuDNN
雖然安裝了cuDNN，但沒有將對應(yīng)的頭文件、庫文件放到cuda目錄。cuDNN的頭文件在：/usr/include，庫文件位于：/usr/lib/aarch64-linux-gnu。將頭文件與庫文件復(fù)制到cuda目錄下：
cd /usr/include && sudo cp cudnn.h /usr/local/cuda/include
cd /usr/lib/aarch64-linux-gnu && sudo cp libcudnn* /usr/local/cuda/lib64
修改文件權(quán)限，修改復(fù)制完的頭文件與庫文件的權(quán)限，所有用戶都可讀，可寫，可執(zhí)行：
sudo chmod 777 /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
重新鏈接
cd /usr/local/cuda/lib64
sudo ln -sf libcudnn.so.8.4.0 libcudnn.so.8
sudo ln -sf libcudnn_ops_train.so.8.4.0 libcudnn_ops_train.so.8
sudo ln -sf libcudnn_ops_infer.so.8.4.0 libcudnn_ops_infer.so.8
sudo ln -sf libcudnn_adv_infer.so.8.4.0 libcudnn_adv_infer.so.8
sudo ln -sf libcudnn_cnn_infer.so.8.4.0 libcudnn_cnn_infer.so.8
sudo ln -sf libcudnn_cnn_train.so.8.4.0 libcudnn_cnn_train.so.8
sudo ln -sf libcudnn_adv_train.so.8.4.0 libcudnn_adv_train.so.8
sudo ldconfig
測試cuDNN
sudo cp -r /usr/src/cudnn_samples_v8/ ~/
cd ~/cudnn_samples_v8/mnistCUDNN
sudo chmod 777 ~/cudnn_samples_v8
sudo make clean && sudo make
./mnistCUDNN
如果配置成功 測試完成后會顯示：“Test passed!”。
安裝pytorch
pytorch版本不能隨意安裝，必須安裝英偉達編譯的好的庫文件，鏈接：https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048。
選擇對應(yīng)jetpack版本的pytorch文件。
我的是5.0.2的，所以可以選擇1.12.0版本的pytorch。點擊鏈接然后下載。
等待下載完成后，執(zhí)行
pip install torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl
安裝whl文件。
安裝vision torchvision
執(zhí)行命令：
sudo apt-get update
sudo apt-get upgrade
sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
下圖是vision torchvision和pytorch的對應(yīng)表
v1.12.0版本的pytorch對應(yīng)v0.13.0版本的vision torchvision，所以執(zhí)行命令：
git clone --branch v0.13.0 https://github.com/pytorch/vision torchvision
獲取vision torchvision，然后執(zhí)行下面的命令安裝
python setup.py install --user
安裝jtop工具
# 安裝pip3
sudo apt install python3-pip
# 安裝Jtop工具
sudo -H pip3 install -U jetson-stats
# 啟動jtop
sudo jtop
點擊INFO
可以看到 CUDA、cdDNN、TensorRT的版本。
TensorRT 狀態(tài)查詢
dpkg -l | grep nvinfer
文章來源：http://www.zghlxwxcb.cn/news/detail-436026.html
安裝ONNX
sudo apt-get install protobuf-compiler libprotoc-dev
pip install onnx
安裝python的TensorRT
下載TensorRT，鏈接：https://developer.nvidia.com/nvidia-tensorrt-8x-download
選擇Arm版本的TensorRT
在下載欄中可以看到TensorRT的具體版本，這個版本和板子的上的TensorRT板子一致。
下載完成后，解壓文件，然后在python文件夾中找到對應(yīng)的版本。
將其復(fù)制到板子上安裝。文章來源地址http://www.zghlxwxcb.cn/news/detail-436026.html
到了這里，關(guān)于Jetson NX系統(tǒng)燒錄以及CUDA、cudnn、pytorch等環(huán)境的安裝的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
