jetson nano (jetpack 4.6) 安装yolov5命令一条龙

该文详细介绍了如何在Ubuntu系统上进行一系列配置,包括设置开机自动登录和关闭屏保,以及安装OpenCV所需的各种支持包,如libopencv、numpy、protobuf等。同时,还涉及到CUDA相关软件的卸载以释放硬盘空间,并安装了.NET框架和torch库。最后,提到了开机启动脚本的授权和应用启动设置。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参考:
https://blog.youkuaiyun.com/newtonsm/article/details/125846922
https://blog.youkuaiyun.com/newtonsm/article/details/127036498
sudo nautilus #管理员模式文件浏览器
sudo blkid /dev/mmcblk1p1 #查看SD卡的UUID等信息
fstab可以设置自动mount 

######开机免登录
sudo vim /etc/gdm3/custom.conf
# Enabling automatic login
  AutomaticLoginEnable = true
  AutomaticLogin = nvidia

######关闭屏保
screensaver=>Disable Screen Saver


###############系统基础包,安装opencv所需要的支持包,以及播放器等软件包######安装opencv所需要的支持包
sudo apt-get update
sudo apt-get install python3-pip python3-dev -y


sudo apt-get install build-essential make cmake cmake-curses-gui -y
sudo apt-get install git g++ pkg-config curl -y
sudo apt-get install libhdf5-serial-dev hdf5-tools -y
sudo apt-get install nano locate screen -y
sudo apt-get install libfreetype6-dev -y
sudo apt-get install protobuf-compiler libprotobuf-dev openssl -y
sudo apt-get install libssl-dev libcurl4-openssl-dev -y
sudo apt-get install cython3 -y
sudo apt-get install gfortran -y
sudo apt-get install libjpeg-dev -y
sudo apt-get install libopenmpi2 -y
sudo apt-get install libopenblas-dev -y
sudo apt-get install libjpeg-dev zlib1g-dev -y

sudo apt-get install build-essential -y
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev -y
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff5-dev libdc1394-22-dev -y
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev -y
sudo apt-get install libxvidcore-dev libx264-dev -y
sudo apt-get install libatlas-base-dev gfortran -y
sudo apt-get install ffmpeg curl zlib1g-dev -y
sudo apt-get install libcurl4-openssl-dev -y

sudo apt-get install python3-pip libopenblas-base libopenmpi-dev libomp-dev -y
sudo apt-get install libgtk2.0-dev libavcodec-dev libavformat-dev libswscale-dev libfreetype6-dev -y
sudo apt-get install python-numpy libjpeg-dev libpng-dev -y

sudo apt-get install mpg123

#````````````````````````````````````````插播一下清理硬盘空间的指令
sudo apt remove thunderbird libreoffice-* -y
sudo dpkg -r --force-depends "cuda-documentation-10-2" "cuda-samples-10-2" "libnvinfer-samples" "libvisionworks-samples" "libnvinfer-doc" "vpi1-samples"
#下面这三句不知道是否有效,参考:https://developer.nvidia.cn/zh-cn/blog/minimizing-storage-usage-on-jetson/
sudo dpkg -r --force-depends $(dpkg-query -Wf '${Package}\n' | grep -E "(cuda[^ ]+dev|libcu[^ ]+dev|libnv[^ ]+dev|vpi[^ ]+dev)")
sudo apt-get autoremove google-chrome-stable
sudo rm -rf ~/.config/google-chrome
#不行就记得进software手动卸载chrome和ibus
sudo apt-get clean
python3 -m pip cache purge
#`````````````````````````````````````

python3 -m pip install --upgrade pip
pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip3 install Cython
pip3 install matplotlib==3.2.2

####if 从头编译cmake
mkdir /home/nvidia/.cmake
nvidia@ubuntu:/media/nvidia/F623-0338/nano安装$ tar xpvf cmake-3.13.0.tar.gz -C /home/nvidia/.cmake
cd ~/.cmake/cmake-3.13.0
nvidia@ubuntu:~/.cmake/cmake-3.13.0$ ./bootstrap --system-curl
####else 已执行过一次./bootstrap 
chmod +x /home/nvidia/.cmake/cmake-3.13.0/bootstrap
chmod +x /home/nvidia/.cmake/cmake-3.13.0/Bootstrap.cmk/cmake
####endif
make -j4
echo 'export PATH=~/.cmake/cmake-3.13.0/bin/:$PATH' >> ~/.bashrc
echo 'export OPENBLAS_CORETYPE=ARMV8' >> ~/.bashrc
source ~/.bashrc

#注意版本
pip3 install pillow==7.1.2
pip3 install numpy==1.19.4 opencv-python==4.5.3.56


cd /media/nvidia/F623-0338/nano安装
pip3 install torch-1.10.0-cp36-cp36m-linux_aarch64.whl

git clone --branch v0.11.1 https://gitee.com/xxxxxx/torchvision.git torchvision
cd torchvision
export BUILD_VERSION=0.11.1
sudo python3 setup.py install --user
#实际安装的版本号是0.11.0a0~~~233

#安装其它依赖
cd /home/nvidia/Publish/context
pip3 install -r requirements.txt


#安装.net
cd /media/nvidia/F623-0338/nano安装
mkdir -p /home/nvidia/.dotnet
tar zxf aspnetcore-runtime-6.0.9-linux-arm64.tar.gz -C /home/nvidia/.dotnet

echo 'export DOTNET_ROOT=$HOME/.dotnet' >> ~/.bashrc
echo 'export PATH=$PATH:$HOME/.dotnet:$HOME/.dotnet/tools' >> ~/.bashrc
source ~/.bashrc

#开机启动脚本授权---------------------------
chmod +x /home/nvidia/entry.sh




#start application里设置开机启动命令---------------------------
gnome-terminal -- bash -c "/home/nvidia/entry.sh"

#最后在设置一下音频、时间之类的

附件:开机启动脚本:

#!/bin/bash
echo "Lift AI Entry 1.0!"
cd /home/nvidia/Publish
/home/nvidia/.dotnet/dotnet LiftAIPWC.dll
read

附件:apt-get install脚本:

#!/bin/bash
sudo apt-get install build-essential make cmake cmake-curses-gui -y
sudo apt-get install git g++ pkg-config curl -y
sudo apt-get install libhdf5-serial-dev hdf5-tools -y
sudo apt-get install nano locate screen -y
sudo apt-get install libfreetype6-dev -y
sudo apt-get install protobuf-compiler libprotobuf-dev openssl -y
sudo apt-get install libssl-dev libcurl4-openssl-dev -y
sudo apt-get install cython3 -y
sudo apt-get install gfortran -y
sudo apt-get install libjpeg-dev -y
sudo apt-get install libopenmpi2 -y
sudo apt-get install libopenblas-dev -y
sudo apt-get install libjpeg-dev zlib1g-dev -y

sudo apt-get install build-essential -y
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev -y
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff5-dev libdc1394-22-dev -y
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev -y
sudo apt-get install libxvidcore-dev libx264-dev -y
sudo apt-get install libatlas-base-dev gfortran -y
sudo apt-get install ffmpeg curl zlib1g-dev -y
sudo apt-get install libcurl4-openssl-dev -y

sudo apt-get install python3-pip libopenblas-base libopenmpi-dev libomp-dev -y

sudo apt-get install mpg123 -y

<think>嗯,用户的问题是在Jetson Nano上使用Jetpack 4.6时,OpenCV的CUDA支持没有启用。我需要帮他找出解决方法。首先,我得回忆一下Jetson Nano的配置和Jetpack包含的组件。根据引用[3],Jetpack确实包括了OpenCV4,并且是支持CUDA加速的。但用户遇到了CUDA未启用的问题,可能是安装或编译配置的问题。 首先,用户需要确认当前安装的OpenCV版本是否支持CUDA。引用[1]提到可以通过运行python3 -c "import cv2; print(cv2.__version__)"来查看版本。如果输出版本号,但CUDA不可用,可能需要检查编译时的配置。通常,预装的OpenCV可能没有启用CUDA支持,或者用户自己编译时没有正确配置。 根据引用[2],Jetson Nano自带了JetPack、CUDA等组件,所以应该确保CUDA环境变量正确设置。用户可能需要检查.bashrc中的CUDA路径是否正确,比如export PATH=/usr/local/cuda/bin:$PATH和export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH。这一步可以解决CUDA路径问题。 接下来,用户需要验证OpenCV是否启用了CUDA。可以通过运行Python脚本检查cv2.cuda.getCudaEnabledDeviceCount()的返回值。如果是0,说明CUDA未启用。这时候可能需要重新编译OpenCV并启用CUDA支持。 编译OpenCV的步骤可能包括安装依赖项,下载源码,配置CMake时启用CUDA,比如设置-D WITH_CUDA=ON,然后进行编译和安装。需要注意的是,编译过程可能比较耗时,而且需要足够的存储空间。此外,在编译前,确保CUDA已经正确安装,版本与Jetpack 4.6兼容。引用[4]提到安装torch时需要特定的CUDA版本,这可能影响环境,但用户的问题主要集中在OpenCV上。 用户可能遇到的常见问题包括依赖项缺失、CMake配置错误或者编译过程中的错误。建议用户按照官方文档或可靠的教程步骤进行,同时备份系统以防万一。另外,如果用户之前自行安装过其他版本的OpenCV,可能会导致冲突,需要清理旧版本再重新编译。 总结步骤应该是:检查当前OpenCV的CUDA支持情况,配置环境变量,必要时重新编译OpenCV并启用CUDA选项,最后验证是否成功。需要提醒用户在编译过程中注意依赖和配置的正确性,以及处理可能出现的错误。</think>### 逐步解决方案:在 Jetson Nano (Jetpack 4.6) 上启用 OpenCV 的 CUDA 支持 #### 1. **确认当前 OpenCV 的 CUDA 支持状态** 运行以下命令检查 OpenCV 是否已启用 CUDA: ```bash python3 -c "import cv2; print('CUDA支持:', cv2.cuda.getCudaEnabledDeviceCount() > 0)" ``` - **若输出 `CUDA支持: True`**:CUDA 已启用,无需额外操作。 - **若输出 `CUDA支持: False`**:需重新编译 OpenCV 并启用 CUDA[^1][^3]。 --- #### 2. **环境变量配置** CUDA 路径需正确设置,编辑 `~/.bashrc`: ```bash sudo nano ~/.bashrc ``` 添加以下内容(确保路径与 Jetpack 4.6 的 CUDA 版本一致): ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 保存后执行: ```bash source ~/.bashrc ``` --- #### 3. **重新编译 OpenCV 并启用 CUDA** **步骤 1:安装依赖项** ```bash sudo apt-get update sudo apt-get install -y build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev ``` **步骤 2:下载 OpenCV 源码** ```bash git clone https://github.com/opencv/opencv.git cd opencv git checkout 4.5.4 # Jetpack 4.6 默认使用 OpenCV 4.5.x ``` **步骤 3:配置 CMake 启用 CUDA** 创建编译目录并配置: ```bash mkdir build && cd build cmake -D CMAKE_BUILD_TYPE=RELEASE \ -D CMAKE_INSTALL_PREFIX=/usr/local \ -D WITH_CUDA=ON \ -D CUDA_ARCH_BIN=5.3 # Jetson Nano 的 GPU 架构版本为 5.3 -D ENABLE_FAST_MATH=ON \ -D WITH_CUBLAS=ON \ -D WITH_LIBV4L=ON \ -D WITH_OPENGL=ON .. ``` - **关键参数说明**: - `WITH_CUDA=ON`:启用 CUDA 支持。 - `CUDA_ARCH_BIN=5.3`:指定 Jetson Nano 的 GPU 架构[^2]。 **步骤 4:编译并安装** ```bash make -j4 # 根据 CPU 核心数调整并行编译数(Jetson Nano 建议用 -j4) sudo make install ``` --- #### 4. **验证 CUDA 是否生效** 重新运行 CUDA 支持检查命令: ```bash python3 -c "import cv2; print('CUDA支持:', cv2.cuda.getCudaEnabledDeviceCount() > 0)" ``` - 若输出 `CUDA支持: True`,表示已成功启用。 --- #### 5. **常见问题处理** - **编译时内存不足**:增加交换空间(Swap): ```bash sudo fallocate -l 4G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile ``` - **依赖项冲突**:清理旧版本 OpenCV: ```bash sudo apt-get purge libopencv* ``` --- ### 相关引用 - 关于 Jetpack 包含的组件和 CUDA 版本确认,请参考[^2][^3]。 - OpenCV CUDA 编译的详细参数可查阅[官方文档](https://docs.opencv.org/4.5.4/d7/d9f/tutorial_linux_install.html)
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
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