Jetson Nano CUDA环境配置终极教程:从安装到验证一步到位

Jetson Nano CUDA环境配置与常见问题排查指南 本文详细介绍了Jetson Nano开发板的CUDA环境配置步骤与常见问题排查方法。从JetPack版本选择、环境变量设置到深度学习框架安装,提供了全面的实战指南。特别针对'CUDA不可用'和内存不足等典型问题,给出了具体解决方案和性能优化技巧,帮助开发者高效使用Jetson Nano进行AI边缘计算开发。 阅读详情

Jetson Nano CUDA环境配置:从零到精通的实战指南

拿到Jetson Nano的那一刻,很多开发者都迫不及待地想让它跑起来,尤其是想利用其强大的GPU能力。CUDA环境配置,往往是横在面前的第一道坎。网上教程看似简单,但实际操作中,路径不对、版本冲突、环境变量失效等问题层出不穷,常常让人折腾半天。这篇文章,我想从一个实际使用者的角度,分享一套经过验证的、完整的Jetson Nano CUDA环境配置流程。我们不止步于“能跑起来”,更要理解每一步背后的逻辑,确保环境稳定、可靠,为后续的AI模型部署和推理打下坚实基础。无论你是嵌入式AI的初学者,还是有一定经验但被环境问题困扰的开发者,这篇指南都将带你避开那些常见的“坑”,真正实现从安装到验证的“一步到位”。

1. 理解Jetson Nano与CUDA:起点与基石

在动手配置之前,花几分钟理解一下我们正在操作的对象,能有效避免后续的盲目操作。Jetson Nano是NVIDIA推出的一款面向边缘计算和嵌入式AI的低功耗开发板。它最大的亮点在于集成了NVIDIA的Maxwell架构GPU,拥有128个CUDA核心。这意味着,它天生就支持CUDA并行计算框架。

CUDA 对于Jetson Nano而言,并非一个需要从零安装的庞大软件。实际上,当你刷写NVIDIA官方提供的系统镜像(如JetPack SDK)时,CUDA工具链、cuDNN、TensorRT等核心组件已经作为系统的一部分被预装了。我们的“配置”工作,本质上是让系统正确地识别和使用这些已经存在的组件,尤其是让命令行工具能找到它们。

这里有一个关键点常常被忽略:Jetson Nano上的CUDA路径是符号链接。与在x86架构的台式机上安装独立CUDA Toolkit不同,Jetson的系统为了管理多个可能的CUDA版本或简化路径,通常会使用符号链接。例如,/usr/local/cuda 这个路径很可能是一个指向具体版本目录(如/usr/local/cuda-10.2)的软链接。这也是为什么很多教程里直接写死cuda-10.0会失败的原因——你的系统里实际的目录名可能不是这个。

提示:在开始任何操作前,建议先通过 ls -l /usr/local/ 命令查看一下cuda目录的真实情况。这会让你对系统结构有清晰的认识。

所以,我们配置环境变量的核心思想是:指向那个稳定的符号链接,而不是可能变化的、带具体版本号的真实路径。这样做的好处是,即使未来系统更新或CUDA版本微调,只要符号链接指向正确的版本,你的环境就无需修改。

2. 系统状态探查与预检查

盲目地执行配置命令是问题之源。在修改任何系统文件之前,我们先进行一次全面的“体检”,了解设备的当前状态。

首先,确认你的Jetson Nano已经正确安装了操作系统。通常,我们会使用NVIDIA官方提供的SD卡镜像,它包含了完整的JetPack组件。启动设备,打开终端。

第一步,检查CUDA编译器nvcc是否可访问:

nvcc -V

如果系统返回了版本信息(例如,CUDA 10.2),恭喜你,环境变量可能已经部分配置好了。但这并不代表所有CUDA相关的库路径都已就绪。如果返回“command not found”,则说明nvcc所在的路径没有被添加到系统的PATH环境变量中,这是我们接下来要解决的核心问题之一。

第二步,探查CUDA的安装位置: 执行以下命令,查看CUDA相关的目录结构。

ls -l /usr/local/ | grep cuda

你可能会看到类似这样的输出:

lrwxrwxrwx 1 root root   21 Apr 10  2023 cuda -> /usr/local/cuda-10.2
drwxr-xr-x 15 root root 4096 Apr 10  2023 cuda-10.2

这证实了我们的判断:cuda是一个指向cuda-10.2的符号链接。请记下你设备上的实际版本号(可能是10.2, 11.4等,取决于JetPack版本)。

第三步,检查关键库文件是否存在: CUDA的运行不仅需要编译器,还需要动态链接库。检查核心库路径:

ls /usr/local/cuda/lib64/libcudart.so*

这个命令用于查看CUDA运行时库。如果能看到.so文件(如libcudart.so.10.2),说明库文件已就位。

完成这三步检查,你就对系统的CUDA状态有了清晰的画像:知道有没有、在哪里、缺什么。这比直接跳到“添加环境变量”要可靠得多。

3. 环境变量的精准配置与解析

环境变量是操作系统和应用程序查找可执行文件、库文件的“路标”。对于CUDA,我们需要设置三个核心的环境变量:PATH, LD_LIBRARY_PATH, 和 CUDA_HOME(或CUDA_PATH)。

为什么是这三个?

  • PATH:系统查找可执行命令的目录列表。我们需要把nvcc等CUDA工具所在的目录(/usr/local/cuda/bin)加进去。
  • LD_LIBRARY_PATH:程序运行时查找动态链接库(.so文件)的目录列表。CUDA的运行时库位于/usr/local/cuda/lib64,必须加入此路径。
  • CUDA_HOME:许多构建工具(如CMake)和深度学习框架(如PyTorch)在编译时会使用这个变量来定位CUDA的根目录。

现在,我们来编辑用户主目录下的.bashrc文件。这个文件在每次启动新的终端时都会被自动执行,在这里设置环境变量对当前用户永久有效。

操作步骤如下:

  1. 使用文本编辑器打开.bashrc文件。 我推荐使用nano,它对新手更友好。

    nano ~/.bashrc
    
  2. 滚动到文件末尾,添加以下三行配置。 注意,我们统一使用符号链接路径 /usr/local/cuda。

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

    这里有一个重要的技巧:$PATH和$LD_LIBRARY_PATH放在了新路径的后面,意味着系统会优先在我们指定的CUDA路径中搜索命令和库。这能有效避免系统自带的旧版本工具造成干扰。

  3. 保存并退出。 在nano编辑器中,按 Ctrl + X,然后按 Y 确认保存,最后按 Enter 确认文件名。

  4. 让配置立即生效。 执行source命令,重新加载.bashrc文件,而不需要重启终端或系统。

    source ~/.bashrc
    

为了帮助你理解不同配置方式的差异,我整理了下面这个表格:

配置方式示例命令优点缺点与风险
使用符号链接export PATH=/usr/local/cuda/bin:$PATH推荐。版本无关,系统升级后仍可能有效。路径简洁,不易出错。依赖系统维护正确的符号链接。
使用具体版本路径export PATH=/usr/local/cuda-10.2/bin:$PATH路径明确,直接指向实体目录。版本硬编码,JetPack升级后路径可能失效,需要手动修改。
错误的多余路径export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0无。严重错误。$CUDA_HOME在首次定义时是空的,这样写会导致变量值以冒号开头,可能引发问题。且版本号可能不对。

注意:网上有些教程会教你用 sudo vim ~/.bashrc。使用sudo编辑用户文件是不必要且危险的习惯,可能导致文件权限混乱。请始终以普通用户身份编辑自己的~/.bashrc。

4. 多层次验证:确保环境万无一失

添加了环境变量,执行了source命令,这并不算完。我们需要进行一套完整的验证流程,从基础命令到实际编译运行,确保CUDA环境在各个层面都工作正常。

第一层验证:基础命令测试 再次运行最开始的检查命令:

nvcc -V

这次,你应该能看到正确的CUDA编译器版本信息输出。例如:

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_21:14:42_PDT_2019
Cuda compilation tools, release 10.2, V10.2.89

同时,检查环境变量是否已正确设置:

echo $CUDA_HOME
echo $LD_LIBRARY_PATH | tr ':' '\n' | grep cuda

第一条命令应输出 /usr/local/cuda。第二条命令会将库路径按行显示,并过滤出包含cuda的行,你应该能看到我们添加的路径。

第二层验证:运行时库测试 CUDA不仅仅是一个编译器,更是一套运行时。使用nvidia-smi这个强大的工具可以查看GPU状态和驱动的CUDA版本。

nvidia-smi

这个命令会显示一个表格,其中有一项“CUDA Version”,它表示当前GPU驱动支持的最高CUDA运行时版本。只要这个版本号不低于你nvcc -V显示的版本,运行时环境就是兼容的。

第三层验证:实战编译与运行 这是最关键的“试金石”。我们通过编译运行一个最简单的CUDA样例程序来验证整个工具链。

  1. 进入CUDA自带的样例目录(路径可能略有不同):
    cd /usr/local/cuda/samples/1_Utilities/deviceQuery
    
  2. 编译这个样例:
    sudo make
    
    这里需要sudo是因为编译过程可能需要创建文件到系统目录。如果遇到make命令找不到,可能需要先安装build-essential:sudo apt install build-essential。
  3. 运行编译出的程序:
    ./deviceQuery
    
    如果配置完全正确,你将看到一大段输出,最后一行是 Result = PASS。这个程序会查询并显示Jetson Nano上GPU的详细信息,包括CUDA核心数、时钟频率、内存等,并且测试通过。

第四层验证:Python环境集成(针对AI开发者) 很多朋友配置CUDA是为了跑PyTorch或TensorFlow。我们可以在Python中做最终验证。 首先,确保已安装nvidia-pyindex并安装了正确的pip包(以PyTorch为例,具体安装命令请查阅PyTorch官网针对Jetson的指南)。然后,在Python交互环境中执行:

import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0))

如果输出类似以下内容,则表明PyTorch已成功识别并可以调用Jetson Nano的CUDA环境:

1.10.0
True
NVIDIA Tegra X1

5. 进阶配置与故障排查锦囊

即使按照上述步骤操作,你可能还是会遇到一些特殊情况。这里分享几个进阶配置点和常见问题的排查思路。

场景一:为特定项目设置临时环境 有时,你不想永久修改全局环境变量,或者某个项目需要特定版本的库。这时可以在项目目录下创建一个脚本(如setup_env.sh):

#!/bin/bash
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/path/to/your/project/libs:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda
echo "Project environment activated."

在开始工作前,执行 source setup_env.sh 即可。这种方式非常灵活,且不影响其他项目。

场景二:解决“找不到库”的错误 如果你在运行程序时遇到 error while loading shared libraries: libcudart.so.10.2: cannot open shared object file 这类错误,说明动态链接器没找到库。请按顺序检查:

  1. echo $LD_LIBRARY_PATH 是否包含正确的/usr/local/cuda/lib64路径?
  2. 库文件是否存在?用 ls /usr/local/cuda/lib64/libcudart.so* 确认。
  3. 如果路径正确且文件存在,尝试更新动态链接器的缓存:
    sudo ldconfig
    

场景三:多版本CUDA管理(高级) 虽然Jetson Nano上官方通常只提供一个版本的CUDA,但在某些开发场景下,你可能需要切换。核心原理是修改 /usr/local/cuda 这个符号链接的指向。

# 查看当前链接指向
ls -l /usr/local/cuda
# 假设你有cuda-10.2和cuda-11.4两个目录,切换到11.4
sudo rm /usr/local/cuda
sudo ln -s /usr/local/cuda-11.4 /usr/local/cuda
# 重新加载环境变量
source ~/.bashrc

警告:此操作有风险,可能破坏系统依赖。除非确有必要,否则不建议在Jetson Nano上进行。

一个被我忽视的细节:Shell类型 你的终端可能使用的不是bash,而是zsh或fish。这时,你需要修改的是对应shell的配置文件(如~/.zshrc),而不是.bashrc。可以通过 echo $SHELL 命令来查看当前使用的shell。

配置过程就像搭积木,每一步都要稳。最让我印象深刻的一次是,在帮一个同事排查问题时,发现他的LD_LIBRARY_PATH里包含了多个重复且顺序混乱的CUDA路径,导致程序链接到了错误的库版本。清理冗余路径后问题立刻解决。所以,保持环境变量的简洁和有序,其重要性不亚于正确的设置。

Jetson Nano 从头配置OpenCV+CUDA+QT完整流程 Jetson Nano 从头配置OpenCV+CUDA+QT完整流程Jetson Nano系统配置烧录系统功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLow... 阅读详情

相关推荐

目标检测:Jetson Nano配置YOLOv11环境(Pycharm)

实现了在jetson nano上面配置YOLOv11并且成功使用TensorRT加速推理,因为jetson nano资源有限,YOLOv11模型较大,所以在测试中使用USB摄像头跑yolo11n.pt时FPS大概在7~12,后续会提到一些优化方法。由于jetson nano的局限性,使得在环境部署上面成为一个麻烦,另外在显存上,由于模型较大,很容易出现溢出,也是一个麻烦,本文将记录部署到YOLO运行的过程

Y_147369的博客 6962

jetson nano配置conda、cuda、torch、torchvision环境

链接:https://pan.baidu.com/s/1QRz4FyC8SAH9cS2xqYzb7w?因为jetson nanoB01的架构是aarch64,与win10,linxu不同,所以不能安装。建议传过去的文件放在nano的主目录(home)下,右击打开终端,开始安装。下完之后可以U盘传 也可以用你的电脑ssh连接你的nano。安装过程基本与anaconda一致,安装之后操作也一致。成功,但是你conda list是找不到的.可以安装一个替代它的archiconda。vscode方便你后期调代码。

zhang1009_的博客 3406

C# 【WebService编写调用】

😹 觉得博主文章写的不错的话,希望大家三连(✌关注,✌点赞,✌评论),多多支持一下!!!

只有登上山顶,才能看到那边的风光 1175

Jetson nano 多个版本cuda处理方法

在检查jetson nano中cuda版本号时,发现有多个cuda,如何查看当前使用的cuda版本呢?

m0_51246196的博客 1139

单细胞实战之亚细胞分群从T/NK至CD4+T细胞——从入门到进阶(中级篇1)

亚细胞分群从T/NK至CD4+T细胞

zfyyzhys的博客 6394

实战游戏项目管理1-规划篇

1、前言 做研发管理10多年,进游戏行业8年,经验下来项目管理就是一门技术,结合不同行业不同项目加以不同管理方法,但原理基本一样,这里总结下游戏项目的管理一些实操方法 一般游戏确定立项前都需要做,项目预研产出一个游戏Demo,通过公司的立项评审,这个过程的项目管理相对简单一般由制作人或其他项目经理兼任,只有控制好总体时间与成本就好,这里按立项后开始讲。 2、游戏项目规划 ...

pengdali的专栏 2万+

jetson中使用cuda

昨天分享了 cuda在ubuntu的安装和使用,今天在jetson nano上进行测试验证使用cuda。在jetson nano上安装使用cuda和ubuntu有所区别,所以写了这篇文章。 首先cuda使用上还是有cuda库直接调用和opencv cuda库调用,最后还有在jetson nano内置的CUDA Samples。当然我们也可以自己在网络下载,这是官方链接:https://github.com/NVIDIA/cuda-samples...............

良知犹存的博客 4938

Jetson Nano配置CUDA环境

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_

liyuanjunfrank的博客 1万+

Quartz定时任务调度框架中的Misfire策略实战解析

本文深入解析了Quartz定时任务调度框架中的Misfire(失火)处理策略。针对SimpleTrigger和CronTrigger两种常用触发器,详细对比了其各自的Misfire指令(如NowWithExistingCount、FireAndProceed等)的核心行为与适用场景,并提供了基于不同业务需求(如数据补跑、时间点敏感度)的实战选型指南,帮助开发者构建更健壮可靠的任务调度系统。

weixin_29250573的博客 78

最新Python爬虫实战(入门爬虫篇)——案例7:电影网站电影数据采集(详细爬虫思路截图+抓包动图演示+完整爬虫代码+详细注释)

本次案例通过Python爬虫技术,成功实现了对某电影网站Top250多页电影详细信息的批量爬取与Excel保存。代码采用模块化设计,包含分页请求构造、XPath+正则提取结构化信息、Excel数据持久化保存等完整流程。通过配置User-Agent等请求头信息,有效模拟浏览器行为以绕过豆瓣基础反爬策略。整个爬虫逻辑遵循"分页遍历 → 请求页面 → 解析HTML → 提取电影信息 → 保存到Excel"的标准流程,与主流静态网站爬取范式高度一致。

努力让自己发光,对的人才能迎着光而来 11万+

【Jetson-Nano】jetson_nano安装环境配置及tensorflow和pytorch的安装

本篇文章会介绍jetson nano系统的安装及python环境的搭建,包括Tensorflow,keras,scikit-learn,TensorRT等工具的安装使用。

dddeee的专栏 2万+

内容审核与文本安全技术综述:检测、过滤与对齐

检测质量高度依赖数据。毒性/仇恨/冒犯语言检测领域形成了一批经典数据集,但它们的标签体系差异很大:例如 OLID(OffensEval)强调“是否冒犯—冒犯类型—目标对象”三层结构;HateXplain 在“hate/offensive/normal”三分类之外,还提供目标群体与人类标注的 rationale span;RealToxicityPrompts 则不做离散标签,而是用毒性分数来研究“模型续写时的毒性退化”。ACL 汇编。

nmdbbzcl的博客 1373

玩转Jetson Nano(三)安装TensorFlow GPU

今天的目标是安装TensorFlow GPU版本,安装TensorFlow GPU版本需要成功配置好CUDA,没有配制好的请移步上一篇博文。不过在安装TensorFlow GPU之前,有一些机器学习必须用到的安装包也需要来安装一下。 1.安装pip 因为JetsonNano中已经安装了Python3.6版本,所以安装pip还是比较简单的 sudo apt-get install pyt...

beckhans的博客 3万+

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

Nvidia Jetson Nano 上安装升级 CUDA

jetson nano cuda yolov5

weixin_38076609的博客 3784

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

【Jetson-Nano】1.基础安装环境配置

文章目录1、外观2、Jetson Nano的规格3、Jetson Noao 激活4、 安装系统包和prerequisites4.1增加交换空间大小4.2 ssh远程连接nano并设置最大功率4.2.1 远程连接nano4.2.2 切换高低功率4.2.3 更新系统并移除无用软件4.3 安装系统所需的包4.3.1配置系统级的安装包4.3.2 配置python环境4.3.3 系统工具jtop和nvidia-smi的结合5.2 模型下载和pytorch相关安装5.3 验证pytorch 和torchvision5.

dddeee的专栏 9873

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

Jetson orin nano深度学习环境搭建详细教程(包含miniconda(miniforge)、cuda、cudnn、paddle、pyqt5、mmcv)及问题汇总及解决

在orin nano安装cuda前需要先安装jetpack,参考代码安装情况视网络情况而定,约为1小时,安装如因网络原因中断,重复执行最后一句即可。安装jtop,可以用来监控jetson的资源使用情况和查看cuda版本等。输入即可使用, 出现以下画面。按 q键或ctrl c退出当前画面,如果启动失败,则重启orin,再次尝试。安装jtop后,可以使用sudo jetson_release命令查看jetson版本号以及与它适配的cuda、cudnn、TensorRT、OpenCV等等版本,如下图。

m0_72964506的博客 1万+

Jetson nano系统烧录及pytorch环境配置

前言 因为目前业务方向逐渐偏向硬件嵌入部署,所以最近搞了一个jetson nano和rk3399的板子来上手,之前没搞过硬件开发板,刚开始配置的时候遇到了很多坑,写篇博客记录一下过程。 Jetson Nano 是一款小型,功能强大的单板计算机,配备了1.4 GHz四核ARM A57 CPU,128核Nvidia Maxwell GPU和4 GB RAM。它具有四个USB A型端口,包括一个USB 3.0端口,用于视频输出的HDMI和DisplayPort端口以及一个千兆位以太网连接器。板载CSI摄像头插槽,

小菜的博客 3637

jetson nx 安装cuda 10.2

1. 检查cuda 进入/usr/local中,如果发现cuda-x.x的文件夹,则说明jetson安装的jetpack 自带cuda 所以流程要简单 首先编辑环境变量 在命令行输入: sudo gedit ~/.bashrc 打开环境变量文件,,在文件最后插入以下环境变量代码 export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH export CUDA_HOM

z1872385的博客 5627

jetson nano安装pycuda

JetPack4.4版本 使用之前配置cuda的环境 $ sudo nano ~/.bashrc export PATH=/usr/local/cuda-10.2/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.2 $ sudo source ~/.bashrc $ nvcc -V 检测一下是否配置成功 之后下载[p

帅的发光发亮的博客 2万+

Jetson nano部署YOLOv7

jetson nano部署yolov7

周同学的博客 1万+

Jetson Nano CUDA环境配置终极指南:从安装验证到避坑全流程

本文详细介绍了Jetson Nano CUDA环境配置的全流程,包括系统镜像与CUDA版本的对应关系、环境变量配置的底层原理、多版本CUDA的共存管理以及深度验证与性能调优。通过本指南,开发者可以避免常见配置误区,充分发挥Jetson Nano的GPU性能,提升AI开发效率。

weixin_30919429的博客 424

Jetson Nano配置YOLOv5并实现FPS=25

Jetson Nano配置YOLOv5并实现FPS=25的实时检测 文章目录Jetson Nano配置YOLOv5并实现FPS=25的实时检测一、版本说明二、修改Nano板显存1.打开终端输入:2.修改nvzramconfig.sh文件3.重启Jetson Nano4.终端中输入:三、配置Pytorch1.81.下载torch-1.8.0-cp36-cp36m-linux_aarch64.whl2.安装所需的依赖包及pytorch四、搭建yolov5环境五、利用tensorrtx加速推理1.下载tensor

carrymingteng的博客 1万+

jetson orin nano环境配置

此文仅作为环境安装简单记录,在开发板烧录已经完成的前提下一开始安装了firefox,但是用不了,果断放弃安装了。

trainingVIP的博客 2042

玩转Jetson Nano(十)安装pytorch

我一直以为Jetson Nano预装了torch,结果今天一import露怯了,那就安装一下吧。 其实一点都不难装,难的是需要翻墙而已。 wget https://nvidia.box.com/shared/static/j2dn48btaxosqp0zremqqm8pjelriyvs.whl -O torch-1.1.0-cp36-cp36m-linux_aarch64.whl sudo...

beckhans的博客 2万+
上一篇: 为什么你的点云模型需要adaptive_avg_pool2d?对比传统池化的3大优势实测
下一篇: 微信小程序跳转H5的6种实战方案对比:从web-view到剪贴板技巧
电竞养老选手
博客等级 码龄4年 61粉丝 1196原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
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
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