NX环境配置

2301_76681094

已于 2024-07-28 01:51:23 修改

阅读量777

点赞数 11

文章标签： python pytorch YOLO ubuntu

于 2024-06-05 23:51:15 首次发布

本文链接：https://blog.csdn.net/2301_76681094/article/details/139484838

版权

烧录系统和 SDK

1. 打开 NVIDIA 的 jetpack 下载网址：

SDK Manager | NVIDIA Developerhttps://developer.nvidia.com/sdk-manager

用虚拟机 Ubuntu18.04 系统，点击下载 SDK Manager，使用前请先注册/登录 NVIDIA 账号。

2. 安装 SDK Manager。
先进入刚刚下载的.deb 文件的路径，例如这里下载到 Downloads 目录。

cd Downloads/

ls

在终端输入以下命令安装 SDK Manager。

sudo dpkg -i sdkmanager*

我用的是jetson xavier nx 和tx2 nx 对应的版本都为jetpack 4.6.4（Ubuntu18.04）agx xavier还在配置中。

3.烧录

从“步骤 01 开发环境”窗口中，选择以下选项：（当板卡连接上虚拟机后这些都自动选好了，host machine可以不选）

从“产品类别”面板中，选择“Jetson”。
从“系统配置”面板中，选择主机和目标硬件。
在“SDK 版本”面板中，选择操作系统和 JetPack 版本。
如果相关，请选择要安装的任何其他 SDK。其他 SDK 可能包括：DeepStream。（我个人推荐下一个deepstream,后续的学习中可以用到）

步骤 2：查看组件并接受许可证

从步骤 02 详细信息和许可证中，您可以展开主机组件和目标组件面板，以查看将安装在系统上的组件。
启用该复选框以接受许可协议的条款和条件。
SDK Manager 将所有安装文件下载到默认路径以外的位置，请转到屏幕底部的“下载和安装选项”，然后选择要使用的路径。
选择“继续”继续执行下一步。

第 3 步：安装

在安装开始之前，SDK 管理器会提示您输入密码。
显示屏显示软件的下载和安装进度。
在顶部，您可以在“详细信息”和“终端”选项卡之间切换。“终端”选项卡显示有关下载和安装的详细信息，并突出显示所有错误。
在“终端”选项卡上，可以使用“筛选器”文本字段筛选和搜索特定信息。
SDK 管理器在准备好刷写目标设备时会打开一个对话框。提示提供了有关准备设备以使其准备好闪烁的说明。
SDK Manager 完成刷机过程后，连接到 Jetson 系统的显示器将显示初始设置提示。
作为初始设置过程的一部分，为 Jetson 系统选择用户名和密码。
初始设置过程完成后，Jetson 系统将引导至 Linux 桌面。
在 SDK Manager 的闪存后安装对话框中输入您的用户名和密码。
SDK 管理器现在将完成软件库的安装。跳过此步骤不会在目标硬件上安装任何 SDK 组件，并且会在设备上保持干净的操作系统。

M.2挂载和rootOnNVMe

如果板卡上的emmc比较小的话推荐外接一个SSD，部分板卡没有emmc用的是SD卡，如果SD卡够用就不需要使用SSD

1.M.2挂载

df -h

sudo fdisk -l

2.rootOnNVMe

git clone https://github.com/jetsonhacks/rootOnNVMe.git

cd rootOnNVMe/

./copy-rootfs-ssd.sh

./setup-service.sh

sudo reboot

df -h

fishros

感谢鱼哥提供的一键ros

wget http://fishros.com/install -O fishros && . fishros

pip

python3 --version

sudo apt install python3-pip python3-dev build-essential libssl-dev libffi-dev python3-setuptools

pip3 --version

sudo pip3 install --upgrade pip

sudo pip3 install pip==21.3.1

一般的话python是2.7，python3是3.6，pip是9.0.1，pip可以更新到21.3.1

jtop

jtop是Jetson系列设备最佳设备状态监控软件，可以实时查看CPU，GPU，内存等硬件设备使用情况，开发环境配置情况，同时方可以直接在图形化界面是设置运行功率和风扇转速。

sudo apt install python3-pip

sudo -H pip3 install -U jetson-stats

reboot

jtop

输入法

sudo apt-get install ibus ibus-clutter ibus-gtk ibus-gtk3 ibus-qt4

im-config -s ibus

sudo apt-get install ibus-pinyin

ibus-setup

摄像头

sudo apt install v4l-utils

v4l2-ctl --list-devices

v4l2-ctl --device=/dev/video0 --list-formats-ext

T265和D435i

官网链接：

Release Intel® RealSense™ SDK 2.0 (v2.53.1) · IntelRealSense/librealsense (github.com)https://github.com/IntelRealSense/librealsense/releases/tag/v2.53.1

Intel® RealSense™ SDK 2.0 (v2.54.1) 在该版本中移除了对T265相机的支持，以后的版本也不会支持了。为了继续使用 T265 相机，我们要下载Intel® RealSense™ SDK 2.0 (v2.53.1)，此处提供两种安装方法。

注意：安装时，不要将相机连在设备上。

一、ubuntu 18.04（arm 架构）

如果之前安装不成功，或者安装了其他版本的 SDK ，最好先全部卸载，然后再依次执行下述命令。使用以下命令删除所有与 RealSense™ SDK 相关的包。

dpkg -l | grep "realsense" | cut -d " " -f 3 | xargs sudo dpkg --purge

（1）注册服务器的公钥

sudo mkdir -p /etc/apt/keyrings
curl -sSf https://librealsense.intel.com/Debian/librealsense.pgp | sudo tee /etc/apt/keyrings/librealsense.pgp > /dev/null

（2）确保安装了 apt HTTPS 支持

sudo apt-get install apt-transport-https

（3）将服务器添加到存储库列表中

注意：下面1、2行是一整条命令，需要一起复制粘贴。可以看到第1行最后是一个管道符号 |。

echo "deb [signed-by=/etc/apt/keyrings/librealsense.pgp] https://librealsense.intel.com/Debian/apt-repo `lsb_release -cs` main" | \sudo tee /etc/apt/sources.list.d/librealsense.list
sudo apt-get update

正常来说，到这一步公钥和软件源的服务器已经被导入了。如果后续安装的时候提示没有公钥之类的问题，可以再重新执行下述命令试下（下面两条命令和前面的（1）-（3）作用相同）。

%========导入公钥========
sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-key F6E65AC044F831AC80A06380C8B3A55A6F3EFCDE || sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-key  F6E65AC044F831AC80A06380C8B3A55A6F3EFCDE
%========添加服务器========
sudo add-apt-repository "deb https://librealsense.intel.com/Debian/apt-repo $(lsb_release -cs) main" -u

（4）安装相关库（关键部分）

sudo apt-get install librealsense2-udev-rules:arm64=2.53.1-0~realsense0.703

sudo apt-get install librealsense2=2.53.1-0~realsense0.703

sudo apt-get install librealsense2-gl=2.53.1-0~realsense0.703

sudo apt-get install librealsense2-utils=2.53.1-0~realsense0.703

sudo apt-get install librealsense2-dev=2.53.1-0~realsense0.703

%============================下面这个可以不装============================%

sudo apt-get install librealsense2-dbg=2.53.1-0~realsense0.703

（5）重新连接英特尔实感深度摄像头并运行： realsense-viewer 以验证安装。

realsense-viewer

二、其他版本

1.下载SDK

git clone -b v2.53.1 https://github.com/IntelRealSense/librealsense.git

2.安装依赖包

sudo apt-get install libudev-dev pkg-config libgtk-3-dev
sudo apt-get install libusb-1.0-0-dev pkg-config
sudo apt-get install libglfw3-dev
sudo apt-get install libssl-dev

3.安装权限脚本

cd librealsense
sudo cp config/99-realsense-libusb.rules /etc/udev/rules.d/
sudo udevadm control --reload-rules && udevadm trigger

4.编译

mkdir build
cd build
cmake ../ -DBUILD_EXAMPLES=true
make -j4
sudo make install

5.使用

realsense-viewer

三、Jetson 方法安装 librealsense

jetsonhacks/installRealSenseSDK：在 NVIDIA Jetson 开发套件上安装英特尔实感 SDK (github.com)https://github.com/jetsonhacks/installRealSenseSDK

git clone https://github.com/jetsonhacks/installRealSenseSDK.git
cd ./installRealSenseSDK
./installLibrealsense.sh
realsense-viewer

installLibrealsense.sh（ v2.49.0）

此脚本将从英特尔 Librealsense Debian 存储库安装 librealsense。

./installLibrealsense.sh

buildLibrealsense.sh

此脚本将从源代码构建 librealsense 并将其安装在系统上。注意：建议从 Debian 存储库安装，如上所述。但是，如果您需要从源代码编译，您会发现此脚本很有用。

./buildLibrealsense.sh [ -v | --version <version> ] [ -j | -jobs <number of jobs> ] [ -n | --no_cuda ]

<version>= Librealsense 版本。例如 v2.49.0
<number of jobs>= # 个在构建时并发运行的作业。如果 Jetson 有 <= 4GB 内存，则默认为 1
<no_cuda>= 在没有 CUDA 支持的情况下编译（默认情况下，CUDA 处于打开状态）

realsense-ros

注意：如果您使用 realsense-ros，请确保将 librealsense 版本与 realsense-ros 版本要求相匹配。

1.安装

mkdir -p realsense_ws/src
cd realsense_ws/src
 
git clone -b ros1-legacy https://github.com/IntelRealSense/realsense-ros.git
git clone https://github.com/pal-robotics/ddynamic_reconfigure.git
cd .. && catkin_make

2.添加环境依赖

echo "source ~/realsense_ws/devel/setup.bash" >> ~/.bashrc
source ~/.bashrc

3.测试安装是否成功

roslaunch realsense2_camera demo_pointcloud.launch

swap

1）扩展内存

2）防止意外崩溃

3）将经常不使用的内存数据转移至Swap分区中

4）Swap分区的大小是与内存大小相关的，通常建议Swap分区的大小为内存的2倍，但也不是绝对的。

1.新增swapfile文件大小自定义（6G）

sudo fallocate -l 6G /var/swapfile

2.配置该文件的权限

sudo chmod 600 /var/swapfile

3.建立交换分区

sudo mkswap /var/swapfile

4.启用交换分区

sudo swapon /var/swapfile

5.自启动启用

sudo bash -c 'echo "/var/swapfile swap swap defaults 0 0" >> /etc/fstab'

VNC

1、安装 vino

sudo apt update
sudo apt install vino

2、设 Enable VNC 服务（此时手动可打开 vnc server）

sudo ln -s ../vino-server.service /usr/lib/systemd/user/graphical-session.target.wants

配置 VNC server:

gsettings set org.gnome.Vino prompt-enabled false
gsettings set org.gnome.Vino require-encryption false

编辑 org.gnome, 恢复丢失的 “enabled” 参数 , 输入一下命令进入文件，将下方 key 内容添加到

文件的最后面。保存并退出

sudo vi /usr/share/glib-2.0/schemas/org.gnome.Vino.gschema.xml

<key name='enabled' type='b'>
  <summary>Enable remote access to the desktop</summary>
  <description>
    If true, allows remote access to the desktop via the RFB
    protocol. Users on remote machines may then connect to the
    desktop using a VNC viewer. 
  </description>
  <default>false</default>
</key>

设置为 Gnome 编译模式

sudo glib-compile-schemas /usr/share/glib-2.0/schemas

现在屏幕共享面板在单位控制中心工作…但这并不足以让 vino 运行 ! 所以您需要在会话启动

时添加程序 :Vino-server ，使用以下命令行 :

/usr/lib/vino/vino-server

这种是属于手动启动，如果每次都需要手动启动会比较麻烦下面会设置开机自启动的形式。

3、设置 VNC 登陆密码('thepassword' 修改为自己的密码)

%========账号========
gsettings set org.gnome.Vino authentication-methods "['vnc']" 
%========密码========
gsettings set org.gnome.Vino vnc-password $(echo -n 'thepassword'|base64)

4、重启机器，验证是否设置 vnc 成功

sudo reboot

5、设置开机自启动 VNC Server

VNC 服务器只有在您本地登录到 Jetson 之后才可用。如果您希望 VNC 自动可用，请使用系

统设置应用程序来启用自动登录。

gsettings set org.gnome.Vino enabled true

mkdir -p ~/.config/autostart
vi ~/.config/autostart/vino-server.desktop

将下面的内容添加到该文件中，保存并退出。

[Desktop Entry]
Type=Application
Name=Vino VNC server
Exec=/usr/lib/vino/vino-server
NoDisplay=true

Jupyter-lab

1.安装

sudo apt install nodejs npm

sudo apt install libffi-dev

sudo pip3 install jupyter jupyterlab

2.生成配置文件

jupyter notebook --generate-config

3.修改此配置文件

sudo gedit ~/.jupyter/jupyter_notebook_config.py

c.NotebookApp.ip = '0.0.0.0'        // 第296行

c.NotebookApp.open_browser = False    // 第400行

c.NotebookApp.port = 8888 // 第424行，开放的端口号

c.NotebookApp.notebook_dir = '/home/' // 第392行，可以访问的目录

4.设置jupyter notebook的访问密码

jupyter notebook password

5.启动jupyter notebook

jupyter notebook

6.开机自启动

jupyter-lab安装位置:

which jupyter-lab

创建jupyter.service文件:

sudo gedit /etc/systemd/system/jupyter.service

在文件中复制如下内容。‘#’后注释内容必须删除，否则运行会报错

[Unit]
Description=Jupyter Notebook
 
[Service]
Type=simple
User=fs    # 需要更换为自己的用户名
ExecStart=/home/fs/.local/bin/jupyter-lab --port 8888  # 更换为自己的路径
WorkingDirectory=/home/  # notebook启动时的目录
 
[Install]
WantedBy=default.target

启动服务:

sudo systemctl enable jupyter
sudo systemctl start jupyter

查看当前IP:

ifconfig

重启:

sudo reboot

等待重启完成，在同局域网下，通过浏览器访问Ubuntu：ip:端口号/lab

mavros

MAVROS是一层MAVLink与ROS通信的封装，旨在方便无人机与机载电脑通信。

sudo apt-get install ros-melodic-mavros-*
sudo apt-get install ros-melodic-serial
cd /opt/ros/melodic/lib/mavros
sudo ./install_geographiclib_datasets.sh

查看mavros对应的串口号：

ls /dev/tty*

给予相应的权限：

sudo chmod 777 /dev/ttyACM0

修改launch文件，

sudo chmod 777 /opt/ros/melodic/share/mavros/launch/px4.launch
sudo gedit /opt/ros/melodic/share/mavros/launch/px4.launch

将其中的

<arg name="fcu_url" default="/dev/ttyACM0:57600" />

修改为自己的端口及波特率

<arg name="fcu_url" default="/dev/ttyACM0:921600" />

启动Mavros

roslaunch mavros px4.launch

报错一：

roslaunch realsense2_camera rs_rgbd.launch

解决:

sudo apt-get install ros-melodic-rgbd-launch

报错二：

解决：

sudo apt-get install ros-melodic-realsense2-camera

清华源

Simple Indexhttps://pypi.tuna.tsinghua.edu.cn/simple

https://pypi.tuna.tsinghua.edu.cn/simple

#pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

pytorch

官网：PyTorch

PyTorch for Jetson - Announcements - NVIDIA Developer Forums

JetPack4 1.8.0(我用的是4.6.4)

sudo apt-get install python3-pip libopenblas-base libopenmpi-dev

pip3 install Cython

pip3 install numpy==1.19.3

pip3 install protobuf==3.3.0

pip install testresources

pip install launchpadlib

pip3 install torch-1.8.0-cp36-cp36m-linux_aarch64.whl

torchvison(v0.9.0)

GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer VisionDatasets, Transforms and Models specific to Computer Vision - pytorch/visionhttps://github.com/pytorch/vision

sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev

python3 -m pip install --upgrade pillow

git clone --branch v0.9.0 https://github.com/pytorch/vision torchvision

torchvision

cd torchvision

export BUILD_VERSION=0.9.0

python3 setup.py install --user

torch和torchvision对应的版本和支持的 Python 版本。

yolov5-6.2

目前yolov5-7.0也可以在jetson进行配置，其在运行中会提示要求python3.7及以上，但是在实际运行中没有出现问题。

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLiteYOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.https://github.com/ultralytics/yolov5.git

git clone -b v6.2 https://github.com/ultralytics/yolov5.git

pip install -r requirements.txt

https://elinux.org/Jetson_Zoo#ONNX_Runtimehttps://elinux.org/Jetson_Zoo#ONNX_Runtime

自yolov5-6.0开始推出了yolov5n.pt,yolov5n在jetson nano 4GB上 640x640x3的输入能达到30fps+。如果想降低运存占用可以考虑使用。

YOLOv5n 'Nano' 型号 ⭐ NEW：YOLOv5s （7.5M 参数）以下的新更小的 YOLOv5n （1.9M 参数）型号，导出为 2.1 MB INT8 大小，是超轻量级移动解决方案的理想选择。

tensorrtx(yolov5-v6.2)GitHub - wang-xinyu/tensorrtx: Implementation of popular deep learning networks with TensorRT network definition APIImplementation of popular deep learning networks with TensorRT network definition API - wang-xinyu/tensorrtxhttps://github.com/wang-xinyu/tensorrtx.git


git clone -b yolov5-v6.2 https://github.com/wang-xinyu/tensorrtx.git

cd tensorrtx

mkdir build

cd build

cmake ..

make

#修改yololar.h中的class_num

deepstream6.0.1(我目前使用的是这个版本)

#gen_wts_yolov5.py

GitHub - marcoslucianops/DeepStream-Yolo at e652ef4e394fbcee0b8b8652c4630802bec4eab3NVIDIA DeepStream SDK 7.0 / 6.4 / 6.3 / 6.2 / 6.1.1 / 6.1 / 6.0.1 / 6.0 / 5.1 implementation for YOLO models - GitHub - marcoslucianops/DeepStream-Yolo at e652ef4e394fbcee0b8b8652c4630802bec4eab3https://github.com/marcoslucianops/DeepStream-Yolo/tree/e652ef4e394fbcee0b8b8652c4630802bec4eab3

NVIDIA DeepStream SDK API 参考：_NvDsFrameMeta 结构体参考

TensorFlow

1.安装tensorflow

Python 3.6.9+JetPack4.6.4

sudo apt-get update

sudo apt-get install -y python3-pip pkg-config

sudo apt-get install python3-sklearn

sudo apt-get install -y libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran

sudo ln -s /usr/include/locale.h /usr/include/xlocale.h

sudo pip3 install --verbose 'protobuf<4' 'Cython<3'

sudo wget --no-check-certificate https://developer.download.nvidia.com/compute/redist/jp/v461/tensorflow/tensorflow-2.7.0+nv22.1-cp36-cp36m-linux_aarch64.whl

sudo pip3 install --verbose tensorflow-2.7.0+nv22.1-cp36-cp36m-linux_aarch64.whl

2.TensorRT环境搭建及实时图像识别

导入jetson-inference包

git clone https://github.com/dusty-nv/jetson-inference.git

cd jetson-inference

git submodule update --init

mkdir bulid

cd build

cmake../

jetson-inference包：https://pan.baidu.com/s/13XhMHrqXRDrbp2OnAL3tCA?pwd=akp3https://pan.baidu.com/s/13XhMHrqXRDrbp2OnAL3tCA?pwd=akp3

将jetson-inference包导入jetson-inference/data/networks

cd data/networks

for tar in *.tar.gz; do tar xvf $tar; done

cd ..

cd ..

cd build

make -j4

sudo make install

测试

cd jetson-inference/build/aarch64/bin

./imagenet-console ./images/bird_0.jpg output.jpg

报错

下载Googlenet.tar.gz，可能会出现如下问题。

首先断开jetson tx2 nx的网络连接，将不再执行下载命令；
然后在networks文件夹中新建Googlenet文件夹，将networks文件夹中的bvlc_googlenet.caffemodel、googlenet.prototxt和googlenet_noprob.prototxt剪切到新建的Googlenet文件夹；
最后在Googlenet文件夹新建networks文件夹，将ilsvrc12_synset_words.txt剪切到新建networks文件夹

使用板载摄像头进行实时图像识别，依次执行命令

cd jetson-inference/build/aarch64/bin

./imagenet-console ./images/bird_0.jpg output.jpg

安装Archiconda3

./Archiconda3-0.2.3-Linux-aarch64.sh

2301_76681094

关注

11
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
NX环境配置

设 Enable VNC 服务（此时手动可打开 vnc server）编辑 org.gnome,恢复丢失的“enabled”参数。#1）新增swapfile文件大小自定义（6G）#修改yololar.h中的class_num。开机自启动 VNC Server。设置为 Gnome 编译模式。#2）配置该文件的权限。设置 VNC 登陆密码。
复制链接

扫一扫