jetson orin nano环境配置

Jetson Orin NX上Ubuntu 20.04中文输入法失踪?手把手教你用ibus-pinyin搞定它 本文详细介绍了在Jetson Orin NX上运行Ubuntu 20.04时中文输入法缺失问题的深度修复方案。通过分析ibus守护进程、GNOME集成及系统服务管理,提供从底层到界面层的完整解决方案,帮助开发者彻底解决中文输入法失踪问题,提升嵌入式开发效率。 阅读详情
AI摘要

本文详细记录Jetson Orin Nano开发板在完成系统烧录后的AI开发环境搭建流程,涵盖浏览器、中文输入法、VSCode安装,以及jtop监控工具、JetPack、CUDA、cuDNN、TensorRT、ONNX Runtime和PyTorch等关键AI框架的安装与版本兼容性配置,并提供GPU加速验证方法。

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

目录

一.浏览器安装

二.中文输入法安装

三.vscode安装

四.AI环境搭建

jtop安装

jetpack安装(可参考官方教程)

ONNX Runtime、CUDA、cudnn、TensorRT版本对应关系

cuda环境配置

cudnn环境配置

pytorch安装

tensorrt安装

判断安装的tensorrt以及onnxruntime是否可以使用GPU


一.浏览器安装

一开始安装了firefox,但是用不了,果断放弃安装了

二.中文输入法安装

一开始尝试安装搜狗输入法,但失败了,后安装了google-pinyin.步骤:

  • 先安装Fcitx
sudo apt install fcitx-bin
sudo apt install fcitx-table
  • 打开Language Support,将keyboard input method system设置为Fcitx,之后重启电脑

  • 安装google-pinyin
sudo apt-get install fcitx fcitx-googlepinyin -y
  • 在终端输入指令fcitx-config-gtk3,点击弹出的窗口左下角+,添加google pinyin,打开浏览器测试输入法,若不成功可重启再试

三.vscode安装

尝试在vscode官网安装失败,后看到网友说是因为arm架构原因,三行代码可安装成功:

sudo apt update
wget -N -O vscode-linux-deb.arm64.deb https://update.code.visualstudio.com/latest/linux-deb-arm64/stable
sudo apt install ./vscode-linux-deb.arm64.deb 

四.AI环境搭建

  • jtop安装
sudo apt update
sudo apt install python3-pip
sudo -H pip3 install -U pip
sudo -H pip install jetson-stats

jtop是jetson系列的监控工具,可用来查看jetpack版本号,cpu以及gpu等的使用情况,如下:

sudo apt update
sudo apt dist-upgrade
sudo reboot
sudo apt install nvidia-jetpack

jetpack内包含tensorrt,cuda,cudnn,opencv等ai推理所需要的库,安装完成后可以通过指令查看库版本号

sudo jetson_release

  • ONNX Runtime、CUDA、cudnn、TensorRT版本对应关系

onnxruntime与onnx版本对应关系:Compatibility | onnxruntime

onnxruntime与onnx与tensorrt版本对应关系:NVIDIA - TensorRT | onnxruntime

onnxruntime与cuda与cudnn版本对应关系:NVIDIA - CUDA | onnxruntime

  • cuda环境配置
##打开环境配置文件
sudo vi ~/.bashrc

##将以下内容添加到~/.bashrc中
export LD_LIBRARY_PATH=/usr/local/cuda/lib64
export PATH=/usr/local/cuda/bin:$PATH
export CUDA_HOME=/usr/local/cuda

##刷新~/.bashrc文件
source ~/.bashrc

确认安装成功并查看版本号

  • cudnn环境配置
#复制文件到cuda目录下
sudo cp /usr/include/cudnn* /usr/local/cuda/include
sudo cp -P /usr/lib/aarch64-linux-gnu/libcudnn* /usr/local/cuda/lib64

#修改文件权限,修改复制完的头文件与库文件的权限,所有用户都可读,可写,可执行:
sudo chmod 777 /usr/local/cuda/include/cudnn.h 
sudo chmod 777 /usr/local/cuda/lib64/libcudnn*

验证cudnn是否配置成功

##以下数字9根据cudnn版本而定
sudo cp -r /usr/src/cudnn_samples_v9/ ~/
cd ~/cudnn_samples_v9/mnistCUDNN
sudo chmod 777 ~/cudnn_samples_v9
sudo make clean && sudo make
./mnistCUDNN

显示下图为测试成功

  • pytorch安装

jetpack与pytorch与python的版本对应关系(只记录到pytorch2.3,cuda12.4):链接 ,更新的版本安装参考:链接(按照链接教程安装即可)

  • tensorrt安装

(GA为正式发布版本,EA为测试版本)

使用python安装tensorrt官方说明:Installing TensorRT — NVIDIA TensorRT Documentation

其他安装方法:安装包链接:Log in | NVIDIA Developer

  1. pip安装(成功)
    pip install tensorrt
  2. deb安装(没试过)
  3. tar安装(成功)
    # 下载tar.gz压缩包后解压
    tar -xzvf TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.8.tar.gz # 解压文件
    
    # 将lib添加到环境变量里面 
    vim ~/.bashrc
    export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:./TensorRT-8.6.1.6/lib
    source ~/.bashrc
    
    # 或 直接将 TensorRT-8.6.1.6/lib /include 添加到 cuda/lib64 /include 里面
    cp -r ./lib/* /usr/local/cuda/lib64/
    cp -r ./include/* /usr/local/cuda/include/
    
    # 安装python的包
    cd TensorRT-8.6.1.6/python
    pip install tensorrt-xxx-none-linux_x86_64.whl
    
    # 测试是否安装成功
    import tensorrt
    print(tensorrt.__version__)
    assert tensorrt.Builder(tensorrt.Logger())
    # 无报错则安装成功

  • 判断安装的tensorrt以及onnxruntime是否可以使用GPU
    import tensorrt
    print(tensorrt.__version__)
    assert tensorrt.Builder(tensorrt.Logger())
    
    import onnxruntime
    onnxruntime.get_device()
    onnxruntime.get_available_providers()

参考链接:

https://blog.youkuaiyun.com/m0_72964506/article/details/142878662

https://www.jianshu.com/p/bc3b3901a159

https://blog.youkuaiyun.com/fq9200/article/details/128959274

Jetson Orin Nano到手后,除了装JetPack,这3个CUDA环境配置的坑你踩过吗? 本文深入解析Jetson Orin Nano开发者配置CUDA环境时常见的三大隐蔽陷阱,包括cudnn软链接问题、环境变量失效及OpenCV未启用CUDA加速。提供实战验证的解决方案,帮助开发者高效配置CUDA环境,充分发挥Orin Nano的AI计算潜力。 阅读详情

相关推荐

【Jetson Orin Nano系统烧录教程】

Jetson Orin Nano系统烧录教程

dally2的博客 7009

英伟达jetson orin nano 快速安装vscode

jetson orin nano 安装vscode

weixin_42424809的博客 2222

Jetson Orin Nano 新手避坑:从零部署YoloV5,我踩过的那些环境配置的‘雷’

本文详细介绍了在Jetson Orin Nano上从零部署YOLOv5的全过程,包括硬件准备、系统烧录、环境配置、PyTorch安装、OpenCV集成以及YOLOv5的部署与优化。特别针对边缘AI部署中的常见问题提供了避坑指南,帮助开发者高效完成计算机视觉项目的环境搭建。

weixin_33743703的博客 442

Jetson orin nano配置深度学习环境

Jetson orin nano配置深度学习环境

m0_56312629的博客 3352

Jetson Orin Nano到手后,除了JetPack,这3个CUDA环境配置细节千万别漏

本文详细介绍了Jetson Orin Nano在安装JetPack后,配置CUDA环境时容易被忽视的三个关键细节,包括软链接与权限设置、环境变量配置以及jtop深度监控。这些细节直接影响开发环境的稳定性和性能,帮助开发者避免常见问题并提升工作效率。

weixin_30819085的博客 434

【NVIDIA】Jetson Orin Nano系列:安装 Qt6、firefox、jtop、flameshot

在Orin Nano ubuntu22.04 下安装qt6

郭老二 3971

jetson Orin nano 部署 环境配置

jetson Orin nano上安装VScode 和 anconda环境配置,在anaconda中安装pytorch、torchvision、tensorrt

shilichangtin的博客 1017

【NVIDIA】Jetson Orin Nano系列:安装中文输入法(最简方法)

Jetson Orin Nano系列:安装中文输入法(最简方法)

郭老二 5128

Jetson Orin Nano下的一些常见环境配置小技巧

可看到例举出的Python包里有博主之前写的ros2包(python),能快速查看当前 Python 全部搜索路径,查看查看包安装路径(确认归属该 Python),也能一眼就能区分是源码编译的 ROS 包,不是 pip/apt 安装的第三方包。5. 不同于博客中,自己要在~/.bashrc中添加opencv.pc的路径,这里由于处于Ubuntu的默认搜索位置下,并不需配置路径,省去了一些操作。如下语句可以实现安装。下次记得,如果只是演示,演示完毕后,终端不要关闭,在终端里重新软链接回来后,再去关闭终端。

jiugeshao的专栏 277

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

在Jetson Orin Nano Super上部署模型时遇到诸多问题,Jetpack 6.2版本尤为棘手。主要问题包括PyTorch版本兼容性(安装2.5版本后缺少libcusparseLT.so文件)、torchvision版本匹配(出现nms不存在的错误)。最终通过YOLO官方提供的解决方案成功配置:安装特定版本的PyTorch和torchvision(2.5.0a0+872d972e41.nv24.08和0.20.0a0+afc54f7),并解决cuSPARSELt依赖问题。此外还安装了适配的onn

Suxd_best的博客 1554

Python爬虫实战:5分钟搞定东方财富网股票数据抓取(附完整代码)

本文详细介绍了如何使用Python爬虫快速抓取东方财富网的股票数据,包括环境配置、API分析、核心代码实现及优化技巧。通过简单的requests和pandas库,5分钟内即可获取高质量股票数据,适合量化交易和数据分析初学者。

weixin_29040367的博客 1188

jetson orin nano super AI模型部署之路(二)保姆级最好用AI环境配置

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。

bug404 2435

Unity VR 零基础开发之 Pico4 MR

2、弹出弹窗后,点击Android选项,然后再点击Switch Platform按钮切换成安卓平台。3、切换完成后Android选项后面会显示unity图标。

十画的博客 5119

Jetson Orin Nano YOLOv8 训练环境配置与模型部署全流程指南

本文是针对 Jetson Orin Nano 8GB 设备的 YOLOv8 训练环境配置与模型部署全流程指南

2503_90290685的博客 2146

跟着团子学SAP CO:揭秘结果分析码在项目结算中的实战应用(一)KKA2/CJ88

本文深入解析了SAP CO模块中结果分析码在项目结算中的核心作用。以KKA2(方法10)和事务代码CJ88为例,详细阐述了如何在项目完工后一次性确认收入的场景下,通过结果分析功能实现收入与成本的精准匹配,将项目成本暂估为在制品,确保各期利润的准确反映。

gamma的博客 687

WPS JS宏实战:批量调整200个Word表格格式的避坑指南(附完整代码)

本文提供了一份详尽的WPS JS宏实战指南,针对批量调整大量Word表格格式的需求。文章深入解析了如何利用JS宏自动化设置字体、行距和边框,并重点解决了常见的“首行访问报错”等核心难题,附有可直接使用的完整代码,帮助用户显著提升文档处理效率。

weixin_29280219的博客 431

Jetson Orin Nano边缘AI实战:从环境配置到TensorRT部署

边缘计算与嵌入式AI的迅速普及,正让设备端智能推理成为新一代应用的核心环节。传统云端方案依赖网络传输,在实时响应与数据安全方面存在天然瓶颈,而端侧部署深度学习模型则能实现毫秒级闭环控制。TensorRT作为NVIDIA平台上的高效推理引擎,可显著提升神经网络在受限硬件上的运行效率。从目标检测到姿态估计,基于YOLOv8等模型的推理管线如今已能在入门级Jetson设备上稳定运行。Orin Nano 2凭借其合理的算力与功耗平衡,成为打通从算法验证到物理设备落地的理想桥梁。围绕该平台的开发环境配置、推理链路设计

weixin_29181861的博客 234

Unity线性空间下PSD透明贴图黑边问题:原理分析与三种解决方案

在计算机图形学中,颜色空间转换与Alpha混合是渲染管线的基础环节。伽马空间与线性空间的差异源于显示设备与人眼感知的特性,现代渲染引擎采用线性工作流以实现更真实的光照计算。然而,当图像处理软件(如Photoshop)导出的纹理数据与游戏引擎(如Unity)的预期格式不匹配时,就会引发技术问题,影响视觉保真度与开发效率。具体表现为,在线性空间下进行Alpha Blend混合时,带透明通道的纹理边缘常出现异常黑边或颜色失真,其核心根源在于纹理数据是否经过“预乘”处理与sRGB标记的解读冲突。这一问题的解决对于提

weixin_34198762的博客 382

记录基于yolov8和ZED相机的项目在windows端和在jetson orin nano端部署过程中出现的环境配置问题

最终查证,本身下载的torch是gpu版本,但是由于官方没有提供gpu版本的torchvision文件,所以下载的torchvision包为cpu版本,并且在安装的时候它会自动把torch也变为cpu版本。但是要注意onnxruntime的版本要下载gpu版本速度才会有明显提升,并且其版本号要与cuda、cudNN的版本对应,其中cudNN的版本也要与cuda对应,否则程序还是会以cpu运行,帧率只能稳定在14、15帧左右,这种版本不对应的情况会导致如下图所示报错的出现。最终在电脑端的实现效果如下。

qq919664671的博客 945

【Creo】关于Creo一换网络就报错许可证丢失问题解决方案

依照我的个人理解,Creo只要一更换网络,则其许可证里面的网卡参数和现在的网络就对不上了,所以就会出现报错,并且有可能是报错代码(-9),提示许可证激活有问题。

weixin_52002180的博客 6043

排队论在食堂窗口规划中的应用:M/M/S模型优化案例

本文通过食堂窗口规划的真实案例,详细阐述了如何运用排队论中的M/M/S模型量化服务效率。文章从问题拆解、数据采集、模型计算到成本效益分析,提供了完整的数学建模实战指南,帮助读者掌握利用最优化方法解决资源配置问题的核心流程与工具。

docker7nomad的博客 1088

Jetson Orin NANO 8G实战:YOLOv5环境配置与摄像头实时检测全流程解析

本文详细解析了在Jetson Orin NANO 8G开发板上配置YOLOv5环境并实现摄像头实时检测的全流程。从系统基础配置、Python环境搭建到YOLOv5的深度优化部署,包括模型转换与量化、TensorRT加速技巧等,提供了实战经验和性能调优建议,适合智能零售、工业质检等需要本地化实时分析的场景。

weixin_33735077的博客 182

YOLOv11低照度增强主干网络PE-YOLO:原理与完整实现教程

编码器部分# 解码器部分self.dec_conv2 = nn.Conv2d(512, 128, 3, padding=1) # 跳跃连接self.dec_conv3 = nn.Conv2d(256, 64, 3, padding=1) # 跳跃连接self.dec_conv4 = nn.Conv2d(128, 32, 3, padding=1) # 跳跃连接# 编码路径# 解码路径(带跳跃连接)

FJN110的博客 730

jetson orin nano+yolov8+tensorrt加速 环境配置

本人集网上主流大佬的安装方法,并实践安装成功,希望对刚入手jetson的朋友有所帮助

m0_62579169的博客 8516

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

上一篇: rv1126 交叉编译opencv+ffmpeg+x264与简单demo测试
trainingVIP
博客等级 码龄7年 51粉丝 6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
 
 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