Nvidia jetson从零搭建深度学习环境

最近要用orin跑深度学习部署,我的设备:jetson orin AGX 8核。

注:nvidia jeson orin nano和orin nx模组已经可以升级成super模式了。

一. 环境准备

1. orin安装conda

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

选择aarch64架构

下载后运行:

sh ./Anaconda3-2021.04-Linux-aarch64.sh

一直回车,中间需要输入两次yes,安装成功。

2. 安装jetpack、cuda、cudnn

Jetpack可以理解为Jetson系列板上的软件开发工具包,所有常用的开发kit里面都有。apt安装Jetpack时默认直接装上与jetson版本号适配的cuda、cudnn、TensorRT。

sudo apt upgrade
sudo apt update
sudo apt dist-upgrade
sudo reboot
sudo apt install nvidia-jetpack

安装pip:

sudo apt install python3-pip

修改pip默认源为清华源:

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

安装 Jtop

sudo -H pip3 install -U pip
sudo -H pip install jetson-stats

安装完成后reboot,输入jtop:

 输入:sudo jetson_release

 cuda已经默认安装在/usr/local/cuda下,运行:

sudo nano ~/.ba

### 配置Jetson Nano深度学习环境的详细步骤 配置Jetson Nano的深度学习环境需要安装多个关键组件,包括系统镜像、CUDA、Python、PyTorch、TensorFlow等。以下是对这些组件的具体说明和安装方法: #### 1. 安装系统镜像 首先需要为Jetson Nano刷入官方提供的Ubuntu 18.04或20.04系统镜像[^1]。这一步可以通过NVIDIA官方提供的工具完成,例如使用JetPack SDK。确保下载适合Jetson Nano的镜像文件,并按照官方文档中的步骤进行刷机操作。 #### 2. 配置软件源 为了加快软件包的下载速度,建议将APT软件源替换为国内镜像源,例如阿里云、清华大学或中科大提供的镜像站点[^2]。修改APT源的方法如下: ```bash sudo nano /etc/apt/sources.list ``` 将默认的源地址替换为国内镜像站地址后保存退出,然后更新APT缓存: ```bash sudo apt update ``` #### 3. 安装CUDA Jetson Nano内置了对CUDA的支持,但需要手动安装相应的库文件。通过APT安装CUDA工具链: ```bash sudo apt install nvidia-cuda-toolkit ``` 安装完成后,可以通过以下命令验证CUDA是否正确安装: ```bash nvcc --version ``` #### 4. 安装Python及依赖项 推荐使用Anaconda来管理Python环境[^3],这样可以更方便地安装和管理深度学习框架及其依赖项。安装Anaconda后创建一个新的Python环境: ```bash wget https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-aarch64.sh bash Anaconda3-2022.10-Linux-aarch64.sh ``` 激活Anaconda后创建一个Python 3.6的环境(因为目前支持aarch64架构的PyTorch版本仅兼容Python 3.6): ```bash conda create -n yolov5_env python=3.6 conda activate yolov5_env ``` #### 5. 安装PyTorchtorchvision 在Jetson Nano上安装PyTorch时,必须选择支持aarch64架构的版本[^3]。可以通过以下命令安装PyTorch 1.8.0和torchvision 0.9.0: ```bash pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html ``` 注意:由于Jetson Nano的硬件限制,安装torchvision可能需要较长时间,因为它会从源码编译[^4]。 #### 6. 安装其他依赖项 根据具体需求安装其他必要的库文件,例如OpenCV、NumPy等。这些库通常可以直接通过`pip`或`conda`安装: ```bash pip install opencv-python numpy matplotlib ``` #### 7. 配置TensorFlow(可选) 如果需要使用TensorFlow,可以参考专门针对Jetson Nano的安装指南[^2]。由于Jetson Nano基于ARM架构,无法直接使用官方预编译的TensorFlow二进制文件,因此需要安装特定版本的TensorFlow-AARCH64: ```bash pip install tensorflow-aarch64 ``` ### 注意事项 - 确保所有依赖项的版本相互兼容,避免因版本冲突导致的问题。 - 如果遇到安装问题,可以参考NVIDIA官方文档或社区论坛中的解决方案。 ```python # 示例代码:验证PyTorch安装是否成功 import torch print(torch.__version__) print(torch.cuda.is_available()) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Codieyoung

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值