Jetson TX2 手动安装cuda opencv cudnn等文件与Jetpack 4.2、4.4下载地址

最新2021-03-05:
我已经上传Jetpack 4.2 的外部安装文件,下载地址。

原始文件链接
链接:https://pan.baidu.com/s/1Nz5dvbu_nh_UO5aR0KGMZQ
提取码:nvrm

所有文件压缩包链接
链接:https://pan.baidu.com/s/1NFIQP_2YRQqJzpD9nkO3uA 提取码:7ett

我把所有文件用压缩包上传了,免得总是失效

(PS:文件太大,真的没法用邮箱发,总过期,也希望能够成功下载下来的,能在评论区也分享一下自己的链接,我改了很多次了,总是失效,/(ㄒoㄒ)/)

Jet Pack 4.4 我主要是用在Jetson NX上,不知道TX2适不适合,这里我也放上NX的下载地址
链接:https://pan.baidu.com/s/19UETR7l3vcVuFyQY_I_MIA
提取码:vuy0


最近使用其他载板刷TX2系统,Jetpack 4.2, 刷完系统,安装必须库时候,usb始终无法链接到TX2上,就是停在了输入TX2 username password上了,所以我把下载的文件考出来,单独进行安装。

安装时候并非一个个安装即可使用,涉及到许多依赖项相关,因此,我提供了相关的安装顺序。这里我没安装visionworks和Tegra_Multimedia这类扩展库,之前测试过,在640*480相关的图像上,没有效率提升,但在下面的安装顺序结束之后,直接安装即可,应该不会出现依赖的问题了

下面提供安装顺序,因为都是deb包,使用dpkg -i 即可安装:

cuda-repo-l4t-10-0-local-10.0.166_1.0-1_arm64.deb 
graphsurgeon-tf_5.0.6-1+cuda10.0_arm64.deb
libcudnn7_7.3.1.28-1+cuda10.0_arm64.deb
libcudnn7-dev_7.3.1.28-1+cuda10.0_arm64.deb

这时候需要安装些依赖项,进入文件夹*/var/cuda-repo-10-0-local-10.0.166*,安装:

cuda-license-10-0_10.0.166-1_arm64.deb
cuda-cublas-10-0_10.0.166-1_arm64.deb
cuda-cublas-dev-10-0_10.0.166-1_arm64.deb

这个文件夹还有许多deb包,涉及到依赖关系时候再安装,切记,遇到cuda相关依赖项,先从这个文件夹找,多数问题都能解决
在这里插入图片描述
回到之前的TX2的安装包路径,继续安装一下文件:

libnvinfer5_5.0.6-1+cuda10.0_arm64.deb
libnvinfer-dev_5.0.6-1+cuda10.0_arm64.deb
libnvinfer-samples_5.0.6-1+cuda10.0_all.deb
tensorrt_5.0.6.3-1+cuda10.0_arm64.deb
uff-converter-tf_5.0.6-1+cuda10.0_arm64.deb
python-libnvinfer_5.0.6-1+cuda10.0_arm64.deb
python-libnvinfer-dev_5.0.6-1+cuda10.0_arm64.deb
python3-libnvinfer_5.0.6-1+cuda10.0_arm64.deb
python3-libnvinfer-dev_5.0.6-1+cuda10.0_arm64.deb

这里需要修复依赖项,才能安装libtbb以供opencv使用

sudo apt --fix-broken install
sudo apt-get install libtbb2

剩下继续安装即可:

libopencv_3.3.1-2-g31ccdfe11_arm64.deb
libopencv-dev_3.3.1-2-g31ccdfe11_arm64.deb
libopencv-python_3.3.1-2-g31ccdfe11_arm64.deb

至此,TX2所需的必须库以安装完成,其他的包安装类似,出现安装问题,在下方评论即可,我看见后会尝试安装研究。

相关问题解答:

  1. 找不到上述说的一大堆deb包的问题。这些包在/var目录下,非var/目录下,注意/这个符号。
  2. 输入nvcc -V无反应。说明没有安装nvcc这个包(可以找到有个包叫cuda-nvcc-xxxxx),需要从上述所说的一大堆包的下面安装,如果不在乎空间问题,可以进入到相关路径,输入sudo dpkg -i *.deb即可安装所有的包。在安装过程中部分deb包存在依赖项,出错时候,会提示安装哪些包,按照步骤来就行。安装过程中可能需要用apt安装别的包,这些均在安装过程中有提示。
### 回答1: 首先,要手动安装Jetson TX2中的CUDACuDNN,需要按照以下步骤进行操作: 1. 下载CUDA Toolkit: - 首先,通过NVIDIA官方网站下载适用于Jetson TX2CUDA Toolkit。 - 在下载页面上选择与您的Jetson TX2版本相对应的CUDA Toolkit版本,并下载该版本的.run文件。 2. 安装CUDA Toolkit: - 将下载CUDA Toolkit文件拷贝到Jetson TX2设备上。 - 打开终端,进入到CUDA Toolkit文件所在的目录。 - 运行以下命令,以设置安装选项并启动安装过程: ``` chmod +x cuda_<version>_linux.run sudo ./cuda_<version>_linux.run ``` - 按照安装向导的指示进行操作,接受许可协议并选择相应的安装选项。 - 完成安装后,根据提示将必要的环境变量添加到系统配置文件中(如~/.bashrc)。 3. 下载CuDNN文件: - 访问NVIDIA官方网站并下载安装CUDA Toolkit版本相对应的CuDNN文件。 - 将下载CuDNN文件拷贝到Jetson TX2设备上。 4. 安装CuDNN文件: - 将CuDNN文件解压到一个指定目录中,例如'/usr/local/cuda/'。 - 打开终端,进入CuDNN文件所在的目录。 - 运行以下命令以将CuDNN文件拷贝到CUDA Toolkit的安装目录中: ``` sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* ``` 5. 配置环境变量: - 打开终端,编辑~/.bashrc文件: ``` nano ~/.bashrc ``` - 在文件末尾添加以下内容,并保存退出: ``` export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64 export CUDA_HOME=/usr/local/cuda ``` - 运行以下命令使环境变量配置生效: ``` source ~/.bashrc ``` 完成以上步骤后,您应该成功地手动安装Jetson TX2中的CUDACuDNN。您可以通过在终端上运行`nvcc -V`来验证CUDA是否正确安装,并通过运行`cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2`来验证CuDNN是否正确安装。 ### 回答2: 首先,Jetson TX2是一款高性能边缘计算设备,用于深度学习、AI和计算机视觉等领域。CUDAcuDNN是用于加速计算的关键软件,在Jetson TX2手动安装这两个软件需要以下步骤: 1. 下载CUDAcuDNN:首先,从NVIDIA官方网站下载适用于Jetson TX2CUDAcuDNN版本。确保选择与Jetson TX2硬件兼容的版本。 2. 安装CUDA:将下载CUDA安装包复制到Jetson TX2上,并解压缩文件。然后,运行安装脚本来设置CUDA环境变量并安装CUDA。 3. 配置环境变量:为了正确地配置CUDAcuDNN,需要设置环境变量。在终端中输入以下命令以打开.bashrc文件: ``` sudo nano ~/.bashrc ``` 然后,在文件的末尾添加以下行: ``` export CUDA_HOME=/usr/local/cuda export PATH=/usr/local/cuda/bin:${PATH} export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH} ``` 保存并关闭文件,然后运行以下命令以使更改生效: ``` source ~/.bashrc ``` 4. 安装cuDNN:将下载cuDNN安装包复制到Jetson TX2上,并解压缩文件。然后,将cuDNN文件复制到CUDA安装目录中。使用以下命令完成此操作: ``` sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* ``` 5. 验证安装:在终端中运行以下命令以验证CUDAcuDNN是否安装成功: ``` nvcc -V ``` 如果输出中显示了CUDA版本信息,则说明CUDA安装成功。然后,可以使用深度学习框架(如TensorFlow,PyTorch等)来验证cuDNN安装。 这些是手动安装CUDAcuDNN的基本步骤。确保按照官方文档和说明进行操作,并根据自己的需求进行相应的配置和优化。
评论 41
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