NVIDIA JETSON XAVIER NX烧录(emmc版本)

目录

0.前言

1.安装虚拟机

2.安装SDKManager

 3.使用SDK Manager开始烧录

4.配置系统

5.开发环境的安装(CUDA)

 6.遇到问题记录(如果有其它问题可以留言我补充)

7.写在最后


0.前言

官方介绍:

Jetson Xavier NX 模组云原生支持使开发者能够在嵌入式和边缘设备上构建和部署高质量、软件定义的功能。NVIDIA NGC 的预训练 AI 模型与 TAO 工具套件可加快实现经过训练和优化的 AI 网络,并以容器化方式部署到 Jetson 设备,从而实现灵活、无缝的更新。Jetson Xavier NX 加速了 NVIDIA 软件堆栈,其性能相当于广泛采用的前代产品 Jetson TX2 的 10 倍以上。

 Jetson Xavier NX 适用于无人机、便携式医疗设备、小型商业机器人、智能摄像头、高分辨率传感器、自动光学检测、智能工厂和其他 IoT 嵌入式系统等高性能 AI 系统.

本人以本文开始对深度学习相关研究的路程记录,是从底层开始往上组建开始搭建一个完整的智能设备系统

1.安装虚拟机

安装虚拟机的过程这就不介绍了,网上都有教程,安装Ubuntu 64

注意点:

  • 分配内存建议60G,因为烧录系统给NX时会下载很多安装包,到时会占用很多内存
  • 最好使用虚拟机来烧录,保护系统,因为如果你不熟悉可能会把系统搞崩溃

2.安装SDKManager

在虚拟机中下载最新的JetPack -->   下载地址

这个需要注册登陆后下载,后面烧录也会需要这个账号密码 

 3.使用SDK Manager开始烧录

Step1

登陆加载完成后会出现下面页面,选择我们需要安装的东西

 Step2

接受后点击continue

Step3 这时候提示输入密码后

### 正确配置 Anaconda 和 CUDA 的安装步骤 #### 一、准备工作 在开始之前,确保系统已更新至最新状态并安装必要的依赖项。可以通过以下命令完成: ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential cmake git wget curl unzip pkg-config libopencv-dev -y ``` --- #### 二、安装 Anaconda 按照以下步骤安装 Anaconda: 1. **下载 Anaconda 安装脚本** 访问官方页面获取最新的 Anaconda 版本链接,并通过 `wget` 下载安装包[^1]。 ```bash cd ~ wget https://repo.anaconda.com/archive/Anaconda3-2023.07-1-Linux-x86_64.sh ``` 2. **赋予可执行权限** 使用以下命令使安装程序具有可执行权限: ```bash chmod +x ~/Anaconda3-2023.07-1-Linux-x86_64.sh ``` 3. **运行安装程序** 执行安装脚本并按提示操作,默认路径通常为 `/home/<用户名>/anaconda3`。 ```bash bash ~/Anaconda3-2023.07-1-Linux-x86_64.sh ``` 4. **初始化环境** 完成安装后,在 `.bashrc` 文件中添加 Anaconda 初始化命令。 ```bash echo ". $HOME/anaconda3/etc/profile.d/conda.sh" >> ~/.bashrc source ~/.bashrc conda init ``` 5. **验证安装** 输入以下命令确认 Anaconda 已正确安装: ```bash conda --version ``` --- #### 三、安装 NVIDIA 驱动 为了支持 GPU 加速功能,需先安装适合的 NVIDIA 显卡驱动。 1. **禁用 Nouveau 开源显卡驱动** 创建一个新的文件来禁用默认的开源驱动: ```bash sudo nano /etc/modprobe.d/blacklist-nouveau.conf ``` 添加以下内容: ``` blacklist nouveau options nouveau modeset=0 ``` 更新初始 RAM 磁盘镜像: ```bash sudo update-initramfs -u sudo reboot ``` 2. **安装 NVIDIA 驱动** 运行 NVIDIA 提供的 `.run` 文件进行安装[^2]。假设目标版本为 `470.239.06`: ```bash sudo sh NVIDIA-Linux-x86_64-470.239.06.run -no-x-check -no-nouveau-check -no-opengl-files ``` 如果未安装 GCC,则需要提前安装: ```bash sudo apt install gcc g++ make -y ``` 3. **重启系统** 安装完成后重新启动计算机以应用更改: ```bash sudo reboot ``` --- #### 四、安装 CUDA 以下是 CUDA 的具体安装流程: 1. **选择合适版本** 根据当前 NVIDIA 驱动版本选择兼容的 CUDA 版本[^4]。例如,对于驱动版本 `470.xxxx`,建议使用 CUDA 11.4 或更低版本。 2. **下载 CUDA .run 文件** 登录 [NVIDIA 官方网站](https://developer.nvidia.com/cuda-downloads),找到对应的 `.run` 文件并下载到本地。 3. **运行安装程序** 切换到无图形界面模式(可通过 Ctrl+Alt+F1-F6 实现),停止 X Server 并运行安装脚本: ```bash sudo service lightdm stop sudo sh cuda_<version>.run ``` 在弹出的选项中输入 `accept` 接受协议,并跳过驱动部分直接进入工具链和样本库安装阶段。 4. **配置环境变量** 编辑用户的 `.bashrc` 文件,追加以下内容: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 应用修改后的配置: ```bash source ~/.bashrc ``` 5. **验证安装** 测试 CUDA 是否正常工作: ```bash nvcc -V nvidia-smi ``` --- #### 五、安装 cuDNN cuDNN 是用于优化深度神经网络计算的库,其安装过程如下: 1. **注册开发者账户** 前往 [NVIDIA cuDNN 页面](https://developer.nvidia.com/cudnn) 注册账号并下载适用于所选 CUDA 版本的 cuDNN 包。 2. **解压并复制文件** 将下载的压缩包解压并将其中的内容复制到指定目录: ```bash tar -xzvf cudnn-linux-x86_64-*.*.* sudo cp include/* /usr/local/cuda/include/ sudo cp lib64/* /usr/local/cuda/lib64/ ``` 3. **设置所有权** 修改新文件的所有权以便于访问: ```bash sudo chown root:root /usr/local/cuda/include/* sudo chown root:root /usr/local/cuda/lib64/* ``` 4. **测试 cuDNN** 可以编写简单的 Python 脚本来加载 TensorFlow 或 PyTorch 来检测是否能够利用 GPU 加速。 --- #### 六、总结注意事项 - 确保各组件之间的版本匹配关系良好,避免因不兼容引发错误。 - 若计划进一步集成其他框架(如 PyTorch 或 TensorFlow),应优先创建独立 Conda 环境以隔离依赖冲突。 ---
评论 4
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