TX2 (JetPack4.2)安装 Pycharm&TensorFlow

本文记录了作者在安装PyCharm过程中遇到的问题及解决方案,包括如何正确安装JDK并配置环境变量,以及安装TensorFlow的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

    踩了两天的天坑,总算是把这个大神软件装上了,网络上各种不同的说法,我几乎都尝试了一遍,有些版本不一样的,安装方式都不相同,这里先说明我的安装版本:

    JetPack4.2  

    刚开始的时候,天真的以为,像ubuntu一样,我可以直接下载的软件解压之后,就可以顺利的安装,后来经历的天坑之后,才发现自己太年轻。

    首先,将下载的tar文件解压,找到bin文件夹,利用sh ./pycharm.sh安装的时候,蹦出来了JDK无效的提示,这个时候,需要安装JDK,错误的坑就不提了,正确的安装方法是

$ apt-cache search openjdk
$ sudo apt-get install openjdk-8-jdk

    等待安装结束:

$ java -version // 查看安装结果

   配置环境:

$ which javac //查找javac可执行文件
$ file /usr/bin/javac // 查看链接目标
$ file /etc/alternatives/javac // 查看链接目标
$ file /usr/lib/jvm/java-8-openjdk-arm64/bin/javac

 sudo gedit ~/.bashrc,将下面的代码粘贴到最后

  

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-arm64
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

 $ source ~/.bashrc,刷新环境就可以了

  安装JDK之后,就可以顺利的安装Pycharm了

 安装TensorFlow,NVIDIA已经给配置好的了,很方便

pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu==1.13.1+nv19.3 --user

静静等待就可以了

### 如何在Jetson TX2安装JetPack #### 创建新目录并下载JetPack 为了准备安装JetPack,在运行Ubuntu的PC上应创建一个新的目录用于保存JetPack安装文件。确保此路径不包含任何`.`字符,因为这类特殊字符可能会引起安装过程中出现问题[^1]。 ```bash mkdir ~/jetpack-installation && cd ~/jetpack-installation wget https://developer.nvidia.com/embedded/jetpack-${VERSION}.run ``` #### 准备宿主机环境 对于作为宿主机使用的计算机,可以选择安装Ubuntu 16.04或Ubuntu 18.04版本的操作系统;无论是台式机还是笔记本均适用。需要注意的是,宿主机上的Ubuntu版本不会直接影响到TX2最终刷入系统的具体版本——这一属性由所选JetPack版本决定:JetPack 3.x系列对应Ubuntu 16.04, 而JetPack 4.x及以上则关联着Ubuntu 18.04[^2]。 #### 进行刷机前准备工作 当准备好合适的JetPack镜像后(例如`JetPack-L4T-3.2.1-linux-x64_b23` 或 `JetPack-L4T-3.3-linux-x64_b39`),需使目标设备即TX2进入恢复模式(recover mode),方法为长按reco键再短按rst键启动。接着可以通过执行`lsusb | grep NVIDIA`命令验证TX2是否已成功切换至恢复状态[^4]。 #### 执行刷机流程 一旦确认TX2处于正确模式下,即可利用宿主机端通过终端执行如下指令来进行实际刷机: ```bash chmod +x ./JetPack*.run sudo ./JetPack*.run ``` 按照提示完成图形化界面中的选项设置,特别是针对`flash on target`的选择项设为`install`以触发对TX2的实际刷写动作。 #### 后续开发环境部署 随着刷机过程结束以及TX2重启完成后,可继续借助于JetPack工具链进一步配置必要的深度学习框架及其他软件组件,比如CUDA、cuDNN等。同样地,在这个阶段无需再次刷机,只需调整相关条目下的操作行为为`install`即可实现自动化部署。
评论 17
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