Jetson Orin Nano Super PyTorch 环境配置（Jetpack6.2）

于 2025-06-11 16:37:25 发布
阅读量230 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 玩转YOLO 玩转语义分割 文章标签： pytorch 人工智能 python Jetson
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Suxd_best/article/details/148588603

最近在Jetson Orin Nano Super部署模型，遇到很多问题，网上很多参考资料不能解决，尤其是Jetpack6.2版本中，几乎没有资料。

第一个问题：

Pytorch版本问题

Pytorch for Jetson 网页有不同Jetpack版本对应的Pytoch，如下所示：

在Jetpack6.2 中无论安装2.3、2.2、2.1都会报错：

ImportError: libcudnn.so.8: cannot open shared object file: No such file or.......

如果安装Pytorch2.5会报错缺少libcusparseLT.so*文件，发现在

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Jetson Orin Nano英伟达边缘设备安装使用；cuda、pytorch安装；yolo使用；大模型qwen使用
weixin_42357472的博客
06-04 1676
参考： https://blog.csdn.net/q839039228/article/details/126278528安装jtop资源查看： 安装： 查看： jtop 按2查看GPU 按3查看CPU 参考：https://blog.csdn.net/sinat_34774688/article/details/134790187 https://developer.nvidia.com/embedded/jetpack?_gl=1yr0rc5_gcl_au*NDU0NjE2NjY0LjE3MTQ3OD
Orin NX 安装Jetpack 6.2 及部署pytorch tips
fengshengwei3的专栏
03-13 1039
刷完系统之后，如果需要安装其它软件，这个时候不需要跳线，然后输入真实的IP，确保你的x86 ubuntu 能ping 通Orin NX.
Jetson Orin Nano Super之pytorch + torchvision安装
lida2003的专栏
01-24 2509
作为安装包的管理工具，但是NVIDIA并没有在包的管理上投入资源，导致版本的依赖与兼容性用起来非常不智能（至少没有ubuntu的自带软件那么方便实用），充分体现了投入资源以及技术方面的一些短板，凸显了资源与技术的博弈！关于这块NVIDIA二进制发布弊端就不谈了，但是闭源就是闭源，有其商业的问题，否则人家硬件不好卖，没钱赚那这种科技创新也就没有了。吐槽归吐槽，话又说回来，对于这种板子还需要自己的技术过硬。页面看，最新的是pytorch 2.3.0。没有，因为其自带的默认。
jetpack6.1 安装GPU版 pytorch和torchvision报错记录
qq_40015303的博客
01-09 1560
jetpack 6.0安装torch和torvision
jetson orin nano super AI模型部署之路（二）保姆级最好用AI环境配置
最新发布
bug404
03-25 1426
对于产品发布来说，最合适的环境配置方式是使用docker，产品和环境可以一起发布，用户会得到最好的使用体验。jetson orin nano super 的AI docker环境配置有两个难点：（1）CPU是arm架构（2）super要使用jetpack 6.2[L4T 36.4.3]版本，因为版本太新，这个版本很多开源项目还没有发布对应的docker image，大部分的docker image都是基于jetpack 5.x构建的。
【Jetson安装PyTorch&Torchvision极简方式】
02-05 555
Jetson安装PyTorch&Torchvision极简方式
Jetson Orin NX Jetpack6.2调频加速
dreadknightll的专栏
02-06 364
【代码】Jetson Orin NX Jetpack6.2调频加速。
Jetson Orin NX 安装 anaconda、cuda、torch、torchvision
漫长IT路
03-28 4712
Jetson Orin NX 安装 anaconda、cuda、torch、torchvision
Jetson AGX ORIN硬件初始化和环境部署
TracyGC的博客
10-20 2931
orin预安装了ubuntu20.04，只需开机，像重装系统一样设置用户信息即可，可以参考官网的教程[https://developer.nvidia.com/embedded/learn/get-started-jetson-agx-orin-devkit]，官网提供了两种方式：一种是orin + 显示器，orin有提供DP接口，你需要准备一台显示器，最好也是有DP口的，因为我用DP转HDMI的连的，分辨率会受影响。确认安装的路径，一般直接回车安装在默认的 /home/你的名字/anaconda3。
【Jetson】Jetson Orin NX纯系统配置环境
VAN的博客
02-26 4994
Jetson Orin NX纯系统配置环境
jetpack 安装pytorch 文档
05-10
jetpack 4.6.1 jetson xavier nx pytorch
torchvision-0.16.0-cp38-cp38-linux_aarch64.whl
12-15
torchvision-0.16.0-cp38-cp38-linux_aarch64.whl
【Jetson Orin Nano系统烧录教程】
dally2的博客
01-18 5672
Jetson Orin Nano系统烧录教程
jetson tx2 nano配置pytorch环境记录笔记
qq_43384629的博客
06-06 559
在jetson tx2 nano开发板中由于一些环境是自动烧入的，所以cuda是10.2的，我看的别的帖子cuda10.2对应的torch和torchvision版本是1.8.0与0.9.0的，我就下载一顿安装，导致一直有问题，后来通过命令安装时发现现在torchvision是0.9.1，我试着下载还真是，成功了。安装完成后输入pip3 -V看看pip版本，应该为21.3.1版本的，比这个高的，恭喜你，你可以试着解决一下，解决不了的，你需要重新刷系统，你跟我的命令的话，一般不会有错。废话不多说，开始搞。
jetson nano从零开始环境配置
qq_51607131的博客
07-26 5583
但这并不足以让vino运行!编辑org.gnome,恢复丢失的“enabled”参数,输入一下命令进入文件，将下方key内容添加到文件的最后面。3、点击select image选择镜像，选择jetson-nano-2gb-sd-card-image.zip。使用vnc viewer软件进行VNC连接，首先需要查询ip地址，我这里查到的是192.168.2.106，输入IP地址后点击OK，双击对应的VNC用户输入密码，最后进入到VNC界面。添加简体中文，点击应用，输入密码，此时系统会进行更新，大约几分钟。
jetson TX2 源码编译指定版本pytorch
qlxjhy的博客
11-13 1389
jetson tx2针对指定版本的python和指定版本的pytorch源码编译pytorch
Jetson NX 部署YOLOv11并使用tensorrt加速
qq_64403239的博客
02-28 2178
一.相关背景jetpack6.2 sdk 环境：CUDA版本：12.6.68CUDNN版本：9.3.0.75TensorRT版本：10.3.0.30VPI版本：3.2.4Vulkan版本：1.3.204OpenCV版本：4.8.0 with CUDA查看pytorch官网，确定cuda cudnn torch 等对应版本也可以手动下载whl后再安装（在对应环境中）创建conda环境二.主要参考yolov11官方文档，jetson 边缘计算部署采用本地部署的方式，先创建一个新环境。
在jetson nx中安装对应的pytorch torchvison 与 torchaudio版本
JackMaOf996的博客
02-14 1753
记录如何在jetson中安装arm架构下对应的pytorch torchvison与torchaudio版本等.安装一定要看清楚版本是否对应.
jetpack6.2怎么强行兼容cuda11.3
03-08
<think>好的，我现在需要解决用户的问题：如何让JetPack 6.2强制兼容CUDA 11.3。首先，我需要了解JetPack和CUDA之间的关系，以及版本兼容性的常见问题。 JetPack是NVIDIA为Jetson系列开发的软件开发套件，包含CUDA、cuDNN、TensorRT等组件。每个JetPack版本都有特定的组件版本组合，比如JetPack 6.2可能默认搭配CUDA 12.x。用户想强制使用CUDA 11.3，可能是因为他们的项目依赖旧版CUDA，或者某些库尚未支持CUDA 12.x。 接下来，我需要查证JetPack 6.2的官方支持情况。根据NVIDIA的文档，JetPack版本通常与特定的L4T（Linux for Tegra）版本绑定。例如，JetPack 5.0.1对应L4T 34.1.1，而JetPack 6.2可能对应更新的L4T版本。官方文档可能没有明确说明支持旧版CUDA，因此需要寻找替代方法。 可能的解决方案包括： 1. **检查官方支持**：确认JetPack 6.2是否允许降级CUDA。通常，NVIDIA不建议这样做，因为组件之间有依赖关系。例如，TensorRT可能需要特定版本的CUDA。 2. **手动安装CUDA 11.3**：用户可以尝试卸载默认的CUDA版本，手动安装CUDA 11.3，并配置环境变量。但需要注意依赖库如cuDNN、TensorRT是否兼容CUDA 11.3。 3. **使用容器或虚拟环境**：通过Docker容器或conda环境隔离CUDA版本，可能避免系统级更改。但Jetson设备的架构（ARM）可能限制可用容器的兼容性。 4. **降级JetPack版本**：如果兼容性无法实现，建议用户使用支持CUDA 11.3的JetPack版本，如JetPack 4.x或5.x，并查看NVIDIA的发布说明。 需要提醒用户注意潜在问题，如系统不稳定、组件冲突，以及性能影响。同时，参考引用中的SDK Manager安装流程，可能需要指定旧版组件。 最后，总结可行步骤，并建议备份系统以防万一。</think>### 分步解答： JetPack 与 CUDA 的版本兼容性由 NVIDIA 严格设计，官方未提供直接强制兼容旧版 CUDA 的方法。以下是可能的解决路径及注意事项： 1. **确认版本依赖关系** 访问 [NVIDIA Jetson 官方文档](https://developer.nvidia.com/embedded/jetpack)，查看 JetPack 6.2 的组件列表。若其默认包含 CUDA 12.x，则需要验证以下依赖： - cuDNN、TensorRT 等组件是否支持 CUDA 11.3 - 系统内核和驱动是否适配 CUDA 11.3（如需要降级 GPU 驱动） 2. **手动安装 CUDA 11.3** **步骤**： - 卸载当前 CUDA 版本： ```bash sudo apt-get purge cuda-* ``` - 从 [CUDA Toolkit Archive](https://developer.nvidia.com/cuda-toolkit-archive) 下载 CUDA 11.3 的 ARM64 版本（需确认 Jetson 平台支持） - 安装时跳过驱动安装（避免与 JetPack 内核冲突）： ```bash sudo sh cuda_11.3.xxx.run --toolkit --silent --override ``` - 配置环境变量： ```bash export PATH=/usr/local/cuda-11.3/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH ``` **风险**：可能导致 JetPack 其他组件（如深度学习框架）因依赖冲突无法运行[^1]。 3. **使用容器化方案** 通过 Docker 或 NVIDIA L4T 容器运行 CUDA 11.3 环境： ```bash # 示例：拉取支持 CUDA 11.3 的 NGC 容器（需确认是否存在 ARM64 版本） docker pull nvcr.io/nvidia/l4t-base:r32.7.1 ``` 此方法依赖 NVIDIA 提供的预构建镜像，需验证 CUDA 版本和硬件兼容性。 4. **降级 JetPack 版本** 若上述方法不可行，建议回退到支持 CUDA 11.3 的 JetPack 版本（如 JetPack 4.6.1 默认包含 CUDA 10.2，或 JetPack 5.x 可能支持 CUDA 11.x 变体）。通过 SDK Manager 安装旧版本时需选择对应 L4T 版本。 ### 关键注意事项： - **硬件限制**：Jetson 设备的 GPU 架构（如 Maxwell/Pascal）可能仅支持特定 CUDA 版本 - **功能缺失**：CUDA 11.3 可能无法调用 JetPack 6.2 新增的 API（如新版 TensorRT 的优化算子） - **系统稳定性**：非官方兼容可能导致 OTA 更新失败或系统崩溃
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

七布隆咚锵

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

实付元
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