Jetson Nano 系统安装：安装 CUDA

最新推荐文章于 2025-10-21 09:58:32 发布
原创 最新推荐文章于 2025-10-21 09:58:32 发布 · 6k 阅读 · 30 ·
CC 4.0 BY-SA版权
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。
文章标签：

#Jetson #Cuda

本文档介绍了如何在Jetson Nano上配置CUDA环境，使其能够成功运行nvcc-V。步骤包括编辑.bashrc文件，将CUDA路径添加到环境变量PATH和LD_LIBRARY_PATH中，然后通过source命令使更改生效。按照这些步骤操作后，CUDA即成功导入。
部署运行你感兴趣的模型镜像

jetson nano默认已经安装了CUDA10.0，但是直接运行 nvcc -V是不会成功的，需要你把CUDA的路径写入环境变量中。

$ sudo gedit  ~/.bashrc

在最后添加

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

然后保存退出

最后 source 一下这个文件。

source ~/.bashrc
nvcc -V

到这里CUDA就导入成功了
————————————————
参考链接：https://blog.youkuaiyun.com/deeplearningfeng/article/details/89554181

您可能感兴趣的与本文相关的镜像

PyTorch 2.7

PyTorch 2.7

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

在jetson nano上使用CUDA
weixin_45725336的博客
06-20 2071
最近在学习cuda，使用了jetson nano来搭建开发环境，记录下。
JETSON ORIN NANO 进阶教程（二、安装CUDA）
qq_30637245的博客
07-24 762
NVIDIA Jetson系列设备安装CUDA和压力测试指南：首先通过JetPack SDK安装CUDA计算栈，再进行性能测试。支持Orin Nano（30W）和Orin NX（40W）设备，提供CPU/GPU压力测试方法，包括使用stress工具和jetson-gpu-burn项目。测试前需设置高性能模式(nvpmodel -m 2)并启用jetson_clocks。测试通过JetPack 6.1验证，包含整机功耗监控(jtop工具)和多种负载测试参数。
在jetson nano上配置cuda，pytorch，yolo v5
liaoyuan1130的博客
03-28 4614
这个教程还是去年写的，记录一下在jetson上安装这些东西吧。
jetson安装cuda,cudnn等
weixin_41181442的博客
08-20 3087
jetson安装cuda,cudnn等
Jetson nx 安装cuda JetPack
最新发布
qq_51176066的博客
10-21 312
废话不多说，直接上流程。会输出你安装的版本号。
Jetson AGX Orin安装Anaconda、Cuda、Cudnn
盛世芳华
06-27 6751
拿到一台Jetson AGX Orin，准备搭建AI环境，搭建过程中参考不少文章，也踩了不少坑，特此记录一下。
jetson nano入门（二）CUDA安装
热门推荐
deeplearningfeng的博客
04-26 2万+
jetson nano默认已经安装了CUDA10.0，但是直接运行nvcc -V是不会成功的，需要你把CUDA的路径写入环境变量中。 sudo gedit ~/.bashrc 在最后添加 export CUBA_HOME=/usr/local/cuda-10.0 export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PA...
nvidia jetson nano如何安装cuda版的pytorch
轻舟已过万重山的博客
09-30 5776
一文搞定jetson nano的cuda版torch安装问题。
精选资源
2025 Jetson Nano极速部署yolov8或11：CUDA10.2适配PyTorch1.11+TorchVision预编译whl包
03-15
NVIDIA Jetson Nano作为一款面向边缘计算的微型计算机，因其出色的性价比和性能，被广泛应用于小规模的人工智能项目中。在这些项目中，实时目标检测算法的部署尤为关键，YOLO（You Only Look Once）作为一种流行的...
Jetson nano安装支持CUDA的OpenCV并验证
m0_53284507的博客
11-20 1088
Jetson nano安装支持CUDA的OpenCV并验证
Jetson Nano环境配置：Conda、CUDA与PyTorch部署指南
Jetson Nano出厂时已预装Linux for Tegra（L4T）系统，其中包含了适配的CUDA驱动和库文件。但为了确保命令行工具如`nvcc`能够正常使用，必须手动将CUDA的可执行路径和库路径添加到系统的环境变量中。具体操作是编辑...
Jetson Nano配置CUDA环境
liyuanjunfrank的博客
12-13 1万+
Jetson Nano已经安装了CUDA（版本：10.2），输入nvcc -V（大写V）查看版本号。若没有提示"nvcc command not found" ，则需要配置一下环境。 网上很容易找到配置命令 1、利用vim打开 ~ 路径下.bashrc文件： sudo vi ~./bashrc 2、文件的最后添加以下三行： export PATH=/usr/local/cuda-10.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_
Jetson Orin Nano（8G）安装CUDA
2401_83515335的博客
11-19 1573
安装完成后查看是否已经export安装路径。最后确认cuda是否已经成功安装，终端输入。添加完source一下，使其生效。输出上述内容即为安装成功。
Nvidia Jetson Nano 上安装升级 CUDA
weixin_38076609的博客
12-01 3637
jetson nano cuda yolov5
5. Jetson Orin Nano CUDA 配置
亦已焉哉
12-04 6307
Jetson Orin Nano配置CUDA和Open CV
jetson orin 安装cuda
weixin_45956506的博客
05-11 1858
退出命令：点击完Esc 输入 ：wq。第一条命令下载，这种就等等，网好就快，网不好就慢。出来之后立马输入source ./bashrc。下拉到下边，俩条命令，第一条下载，第二条安装。输入nvcc -V验证一下，如下就没啥问题了。这里能全选就全选，假设出现报错，如图所示。这步就安装成功了，然后就是添加环境变量。然后选择版本，进入网址选择所需版本。下载完了，然后运行第二条命令。到这选择accept。
Jetson Nano全流程配置(五) pytorch与cuda安装的问题与解决方法
qq_68080661的博客
08-16 1241
1. 很多人安装torch是直接上官网安装的，但是那样在nano主板上怎么安装都没法成功。我们需要登录NVIDIA的官网找到nano对应的torch来安装才可以！2. cuda安装后需要成功调用显卡，还需要进行配置。的路径写入环境变量中。是不会成功的，需要把。
Nvidia jetson nano 配置 CUDA9 CUDNN7.1.5
ourkix的博客
01-09 5371
卸载cuda10、cudnn7.5 查看已安装cuda #通过dpkg命令，查看相关cuda安装的包 dpkg -l | grep -i cuda 查询出来是这些，可以根据查询出来的包来用apt-get卸载 sudo apt-get remove cuda-cublas-10-0 sudo apt-get remove cuda-repo-l4t-10-0-local-10.0.16...
opencv with cuda jetson
03-30
<think>好的，我需要回答用户关于在Jetson平台上使用OpenCV与CUDA集成的问题。首先，用户提到了Jetson设备，比如Nano、TX2等，这些设备通常运行JetPack SDK，所以可能需要参考相关的安装指南。用户提供的引用中有几个相关的链接，比如引用[1]和[3]提到了在Jetson Nano和TX2上安装OpenCV的步骤，特别是提到需要重新构建OpenCV并启用CUDA支持。 首先，我应该确认用户的问题核心：如何在Jetson平台上配置OpenCV以使用CUDA加速。用户可能已经安装了JetPack，但需要正确的编译选项来启用CUDA。根据引用[3]，用户可能需要卸载现有的OpenCV4Tegra并自行编译，这可能涉及到在CMake配置中启用CUDA相关的选项。 接下来，我需要整理步骤。首先确保系统更新和依赖安装，如引用[4]中的基础包安装，包括cmake、python3-pip等。然后下载OpenCV源代码，配置CMake时启用CUDA，比如设置-D WITH_CUDA=ON，以及其他必要的选项如CUDA_ARCH_BIN。编译和安装后，需要验证是否成功，比如检查cv2.getBuildInformation()中的CUDA信息。 用户可能遇到的问题包括编译时的依赖项缺失，或者CUDA架构不匹配。例如，不同的Jetson设备有不同的CUDA架构版本，需要正确设置CUDA_ARCH_BIN参数。例如，Jetson Nano是5.3，TX2是6.2，Xavier是7.2。这部分需要特别注意，否则编译可能会失败或无法充分利用硬件加速。 另外，用户可能需要测试CUDA功能是否正常工作，比如使用cv2.cuda模块的函数。如果测试代码运行正常，说明集成成功。如果遇到问题，可能需要检查编译日志，确认CUDA是否被正确启用，或者是否有路径问题。 最后，根据用户需求生成相关问题，比如性能优化方法、常见问题解决等，以帮助用户进一步探索。</think>### 在Jetson平台上使用OpenCV与CUDA集成的步骤 #### 1. **系统准备** - 确保已安装JetPack SDK（包含CUDA、cuDNN等基础组件） 例如，Jetson Nano推荐JetPack 4.6+，Jetson Xavier NX需JetPack 4.5+[^1]。 - 更新系统并安装依赖项： ```bash sudo apt-get update sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev python3-dev python3-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev ``` #### 2. **下载并配置OpenCV源码** - 下载OpenCV和OpenCV Contrib仓库： ```bash git clone --branch 4.5.4 https://github.com/opencv/opencv.git git clone --branch 4.5.4 https://github.com/opencv/opencv_contrib.git ``` - 创建编译目录并配置CMake： ```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为5.3, TX2为6.2, Xavier为7.2 -D CUDA_FAST_MATH=ON \ -D WITH_CUBLAS=ON \ -D WITH_LIBV4L=ON \ -D WITH_OPENGL=ON \ -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules \ -D ENABLE_NEON=ON \ -D BUILD_EXAMPLES=OFF .. ``` #### 3. **编译与安装** - 使用多线程编译（根据设备调整线程数，Nano建议`-j4`）： ```bash make -j4 sudo make install sudo ldconfig ``` #### 4. **验证CUDA支持** - 运行Python测试脚本： ```python import cv2 print(cv2.getBuildInformation()) # 检查输出是否包含"CUDA: YES" print(cv2.cuda.getCudaEnabledDeviceCount()) # 应返回≥1 ``` - 测试CUDA加速函数： ```python gpu_img = cv2.cuda_GpuMat() gpu_img.upload(cv2.imread("test.jpg")) resized = cv2.cuda.resize(gpu_img, (300, 300)) ``` #### 5. **性能优化建议** - 启用FP16模式：在CMake中设置`-D CUDA_ARCH_BIN=...`时添加`-D CUDA_ARCH_PTX=`以兼容更多架构[^3]。 - 使用`cv2.cuda`模块的GPU加速API（如`cuda::GaussianBlur`）替代CPU操作。
评论 1
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

许野平

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