jetson刷机指南最新最全

部署运行你感兴趣的模型镜像

jetson 5.x最全刷机过程记录

0. 准备物料

  • 物料:
    • jetson xavier nx
    • ubuntu20.04主机
    • MicroUSB数据线(之前的安卓手机充电线)
    • hdmi线
    • 杜邦线(非必要)

note:jetson xavier nx默认有16GB存储空间(eMMc),如果需要装cuda,cuddnn,TensorRT,deepstream等SDK,需要进行存储扩容。不同厂家的固态接口可能不同,以我手中的为例,接口为M. 2 2242B,购买M. 2 2242B固态(128GB-2T),大小尽量在1T内即可。

1. 下载SDKManager

官方下载地址:https://developer.nvidia.com/sdk-manager

2. 将jetson xavier nx置于Recovery模式

有两种方式

2.1 关机状态

  • 如果用的开发套件,使用杜邦线短接FC REC和GND引脚即可

  • 如果使用的厂商做好的盒子,需要询问厂商如何进入Recovery模式,一般会留一个recovery按钮

2.2 开机状态

  • 将nx开机,输入 sudo reboot --force forced-recovery

note:如果使用的开发套件,针脚裸漏的情况下,推荐使用杜邦线短接的方式,如果是成品盒子,没有裸漏针脚,推荐使用 2.2输入命令的方式,实在都不行的情况下再使用厂商预留的recovery按钮(我手中的盒子这个按钮不好使…)

3. 连接主机和盒子

使用 MicroUSB数据线将主机和盒子连接起来, MicroUSB接口在盒子上,USB接口在主机上。

4. 使用SDKManager刷机(此处仅安装操作系统)

4.1 登录SDKManager或者先离线下载

  • 使用nvidia账号登录,选择jetson平台有,如果前面步骤都正确操作后,应该会自动识别到相应的jetson型号,选择对应的型号,注意不要勾选Host Machine

    (Jetson Xavier NX modules和 Jetson Xavier NX Developer Kit:买的成品盒子,一般是Jetson Xavier NX modules,如果买的是国产开发套件,则一般是 Jetson Xavier NX Developer Kit,实际区别不大, Jetson Xavier NX Developer Kit可以下载beta系统,而Jetson Xavier NX modules则更加稳定,只能下载release版本的系统)


    在这里插入图片描述

  • 点击下一步(整个机过程会使用两次SDKManager,本次使用只安装操作系统,第二次使用再安装cuda等一系列开发SDK)

    只勾选Jetson Linux,不勾选下面两个,可以使用Download now Install later,则意味着先将对应资源下载到ubuntu20.04本地,下载完后在使用相同刚才的操作到这里,直接安装,当然也可以边下载边安装

  • 如果前面的准备工作,连接工作都正确(主要是确保jetson处于recovery模式)此时只会跳出一个选项,让选择Pre-config或者OEM

    • Pre-config表示在此处提前设置jetson linux的一些信息,账号密码等(推荐这种方式)
    • OEM代表等到系统安装完毕后,第一次进入jetson linux 的时候再设置这些信息
  • 等待安装完毕,取消recovery模式(取消杜邦线连接,如果之前使用的命令行方式则默认已经取消了recovery模式),连接jetson和显示器,开机进入jetson

4.2 更新系统

更新系统,使用jtop查看此时操作系统的信息

sudo apt-get update
sudo apt-get upgrade
# 安装pip3
sudo apt install python3-pip
# 安装jtop
sudo -H pip3 install -U jetson-stats
# 启动jtop服务
sudo systemctl restart jetson_stats.service
# 重启
sudo reboot
# 查看系统信息
jtop (或者 sudo jtop)

此时画框处应该为No或者None(我找不到对应的图了)

4.3 进行系统转移

将安装在默认eMMc存储中的操作系统转移到扩充的固态中

  • 查看是有否识别到安装的固态

    • sudo fdisk -l

  • 挂载固态:使用disks工具

    • 初始化固态

    • 挂载固态

      点击 + 号挂载(找不到图了)

  • 系统转移

    git clone https://github.com/jetsonhacks/rootOnNVMe.git
    cd rootOnNVMe 
    ./copy-rootfs-ssd.sh
    ./setup-service.sh
    sudo reboot
    

5. 使用sdkmanager 安装开发工具(opencv cuda cudnn TensorRt deepstream等)

仍然是使用MicroUSB数据线连接主机和Jetson盒子,不用置于Recovery模式。

这次不勾选Jetson Linux,勾选下面两个开发工具

等待安装即可安装成功

6. 验证

6.1 验证 Opencv cuda cudann TensorRT等

输入jtop,按7转到INFO界面,可以看到相关SDK均已经安装成功

$ jop

6.2 验证cuda相关环境变量是否已经添加

sudo vim ~/.bashrc
# 如果文件末尾没有以下两行,则添加进入并保存
export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-11.4/bin:$PATH
# 保存
source ~/.bashrc
# 使用nvcc -V 查看是否成功
nvcc -V

6.3 验证deepstream

安装deepstream相关依赖

sudo apt-get update sudo apt-get install -y \ libgstreamer1.0-0 \ gstreamer1.0-tools \ gstreamer1.0-plugins-good \ gstreamer1.0-plugins-bad \ gstreamer1.0-plugins-ugly \ gstreamer1.0-libav \ libgstrtspserver-1.0-0 \ gstreamer1.0-rtsp

编译一个简单的示例代码来查是否安装

cd /opt/nvidia/deepstream/deepstream-6.3/sources/apps/sample_apps/deepstream-test1
sudo apt-get install libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev \
libgstrtspserver-1.0-dev libx11-dev

修改Makefile中的cuda=11.4

sudo vim Makefile

保存退出

sudo make -j8

编译成功后运行

./deepstrean-test1-app dstest1_config.yml

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

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

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