Jeston AGX Xavier相关知识及部分学习环境配置

本文档中若有部分库或安装包下载不下来，则可在如下链接中自取：

链接：https://pan.baidu.com/s/1teYSJX6FWLdvO_nZLkgo4g  提取码：qppf

• 刷机过程

1. 刷机准备

1、VMware软件安装（网上具有教程）

2、创建虚拟机（Ubuntu18.04）

①Ubuntu官网下载ubuntu-18.04.1-desktop-amd64

②按照以下步骤操作：

A.创建新的虚拟机

B.点击“下一步”

 C.点击“下一步”

 D.点击“下一步”

 E.自定义“虚拟机名称”，位置建议选择除C盘外的磁盘，点击“浏览”进行更改并下一步

 F.处理器数量与每个处理器的内核数量均选择2，避免后期卡顿，并点击“下一步”

 G.点击“下一步”

 H.点击“下一步”

 I.默认选项，点击“下一步”

 J.默认选项，点击“下一步”

 K.默认选项，点击“下一步”

 L.修改磁盘大小，建议设定大些，避免不够用，后期卡顿

 M.默认，点击“下一步”

 N.点击“完成”

 O.双击CD/DVD(SATA)进入设置

 P.选择使用ISO映像文件，浏览选择步骤1下载的ubuntu-18.04.1-desktop-amd64文件，并点击“完成”

 Q.点击“开启虚拟机”

 R.选择中文（简体），并点击右侧安装Ubuntu

 S.选择汉语，点击“继续”

 T.默认选项，点击“继续”

 U.默认选项，点击“现在安装”，出现如下界面，点击“继续”

 V.选择shanghai,点击“继续”，随后自定义设置设备名称和密码

W.点击“继续”就开始安装了，安装过程需要花费点时间，耐心等待

1. 刷机操作（注：Xaiver处于关机状态）

1、连线图如下

  2、Nvidia官网下载SDKmanager.deb包，网站如下：NVIDIA SDK Manager | NVIDIA Developer（需注册账户下载）

3、虚拟机中打开终端，输入sudo apt install ./sdkmanager_[version]-[build#]_amd64.deb

4、安装成功后，在终端输入sdkmanager，打开sdkmanager软件

5、软件操作

①输入个人账户后，进入登录界面，如下

 ②登录成功后，界面如下。取消Host machine选项（此选项是在虚拟机本身装载），后点击“continue” 

③若需刷机（纯Ubuntu系统）+安装应用包，则两项均选；若后期想只刷机或安装应用包，则只选择一项。随后选择下方“I accept...”,“continue”点亮，进行点击

 ④等待一会时间会弹出如下窗口，选择Manual Setup，然后按住Xaiver的中间键保持不动，再按住开机键2秒后，同时松开，此时Xaiver侧边白色指示灯点亮。打开终端，输入lsusb，若输出有Nvidia Crop，则证明设备连接正常，就可点击Flash开始刷机。（等待漫长。。。） 

⑤随后Xaiver连接的显示屏会亮起，进一步进行Ubuntu系统设定（同虚拟机一样），过段时间，Sdkmanager弹出如下窗口，填写刚才Xaiver设定的账户及密码，点击“Install”，（又是漫长等待。。。）

• 刷机后续工作

注：Jetson AGX Xavier是aarch架构，即arm架构，若安装软件或库时失败，则检查安装包是否为aarch的，大部分原因是由于这个。

（1）解决浏览器搜索失败问题

原因是因为浏览器搜索引擎默认是谷歌，其需你点开设置，对搜索引擎进行修改，可选择  百度。

（2）换源

按照如下步骤进行：

①sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak  #备份初始源

②sudo gedit /ect/apt/sources.list

③将初始源的全部内容删除，网上搜索阿里源（清华源、网易源等）进行复制粘贴更换，需特特别注重一点，在阿里源语句中的ubuntu后面加上-ports，如下图所示，否则会报错（花了老长时间）。

 ④sudo apt-get update

⑤sudo apt-get upgrade

（3）安装jetson-jtop(查看电脑状态)

①sudo apt install python3-pip（若已安装则跳至第②步）

②sudo -H pip3 install -U jetson-stats

③jtop (以后可直接在终端输入进行查看，按“5”至风扇控制界面，可按需调节)

（4）查看cuda、cudnn版本

①Cuda版本：nvcc -V

②Cudnn版本：cat /usr/local/cuda-10.2/include/cudnn.h | grep CUDNN_MAJOR -A 2则会出现报错，原因是虽然AGX xavier刷机过程中安装了Cudnn包，但是其位置并不在/usr/local/cuda-10.2/include路径下，而在/usr/include，故需运行如下命令：

cd /usr/include && sudo cp cudnn.h /usr/local/cuda-10.2/include

cd /usr/lib/aarch64-linux-gnu && sudo cp libcudnn* /usr/local/cuda-10.2/lib64

sudo chmod 777 /usr/local/cuda-10.2/include/cudnn.h /usr/local/cuda-10.2/lib64/libcudnn*

cd /usr/local/cuda-10.2/lib64

sudo ln -sf libcudnn.so.8.0.0 libcudnn.so.8

sudo ln -sf libcudnn_ops_train.so.8.0.0 libcudnn_ops_train.so.8

sudo ln -sf libcudnn_ops_infer.so.8.0.0 libcudnn_ops_infer.so.8

sudo ln -sf libcudnn_adv_infer.so.8.0.0 libcudnn_adv_infer.so.8

sudo ln -sf libcudnn_cnn_infer.so.8.0.0 libcudnn_cnn_infer.so.8

sudo ln -sf libcudnn_cnn_train.so.8.0.0 libcudnn_cnn_train.so.8

sudo ln -sf libcudnn_adv_train.so.8.0.0 libcudnn_adv_train.so.8

sudo ldconfig

随后输入命令可查看cudnn版本信息。

（5）安装Archiconda3 （注：与Anaconda相同，其原因是Jetson AGX Xaiver是aarch架构，安装不成Anaconda）

①网上可找资源，

②运行  sh archiconda-<Version>     （注：过程中均输入yes即可完成安装）

③给予conda添加更新源，输入下面命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

④创建一个虚拟环境，则输入:

conda create -n name(任意定义) python==<Version>(创建的python版本)

   例如创建一个名为first，python版本为3.6.9的虚拟环境，则输入:

Conda create -n first python==3.6.9

注：若创建失败，则运行 conda update conda   或conda update --all

（6）安装Cmake（后续在DarkNet环境下跑yolov3或yolov4需要）

①官网下载Cmake压缩包，并进行解压；

②官网的安装步骤在此行不通，因为现在Cmake已编译完成，无bootstrap文件，只有bin doc man share 四个文件，我们只需将解压的cmake文件夹移动至usr/local/路径下；

③输入运行  sudo gedit ~/.bashrc

④在文件末尾添加   export PATH=/usr/local/cmake/bin:$PATH

⑤输入运行  source ~/.bashrc

⑥输入  cmake --version  可查看版本信息

(7)解决出现“illegal instruction (cpre dumped)”的方法

①输入 sudo gedit ~/.bashrc

②在末行添加  export OPENBLAS_CORETYPE=ARMV8 ,保存关闭

③输入 source ~/.bashrc ,更新环境变量

（8）在Darknet框架下，复现YOLO v3、4，并进行Tensorrt加速

1. YOLO v3、4复现（Darknet框架搭建）

①conda activate <环境名>     注：建议在archiconda3/envs/<环境名>下打开终端，避免文件混乱

②git clone GitHub - AlexeyAB/darknet: YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Darknet )  注：若克隆失败，则直接去该网站下载压缩包

③cd darknet

④mkdir build_release

⑤cd build_release

⑥cmake ..

⑦make -j8

⑧在 GitHub - AlexeyAB/darknet: YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Darknet )下载所需的v3、4权重文件，将其放置在weights（自己创建）文件夹下；

⑨在make -j8之前，修改Makefile文件的GPU=1、CUDNN=1、CUDNN_HALF=1、OPENCV=1,文件中所有/usr/local/cuda改为/usr/local/cuda-10.2,文件中ARCH部分，注释掉初始的，将GPU==Xaiver的去掉注释            注：每修改一次，则需重新make -j8一次，具体详情参考上方网站

⑩配置opencv环境，将/usr/lib/python3.6/dist-packages/路径下的cv2复制至.../archiconda3/envs/<环境名>/lib/python3.6/site-packages文件下即可；

⑪测试图片、视频

图片：

./darknet detector test ./cfg/coco.data ./cfg/yolov4.cfg ./weights/yolov4.weights <图片路径>

如：

./darknet detector test ./cfg/coco.data ./cfg/yolov4.cfg ./weights/yolov4.weights ./data/horses.jpg

视频：

./darknet detector demo ./cfg/coco.data ./cfg/yolov4.cfg ./weights/yolov4.weights <视频路径>

如：

./darknet detector demo ./cfg/coco.data ./cfg/yolov4.cfg ./weights/yolov4.weights ./data/cw.mp4

1. Tensorrt加速

为提高检测帧率，则进行了模型Tensorrt加速，实现实时检测，具体步骤如下:

①conda activate <环境名>     注：建议在archiconda3/envs/<环境名>下打开终端，避免文件混乱

②git clone https://github.com/jkjung-avt/tensorrt_demos 注：若克隆失败，则直接去该网站下载压缩包

③配置tensorrt环境，将/usr/lib/python3.6/dist-packages/路径下Tensorrt有关文件，复制至/archiconda3/envs/<环境名>/lib/python3.6/site-packages文件下即可；

④安装Pycuda，

方法1：在/tensorrt_demos/ssd/路径下打开终端，进入虚拟环境，键入 sudo apt-get install protobuf-compiler运行（这个不需事先知道，否则会报错，安装失败），然后运行 ./install_pycuda.sh 进行安装，若检验是否安装成功，则进入python解释器，键入

import pycuda；

print('pycuda version:', pycuda.VERSION)

方法:2:

下载pycuda压缩包，解压文件并进入终端。键入

python3 configure.py --cuda-root=/usr/local/cuda-10.2

sudo python3 setup.py install

可能随后import pycuda报错，但可以这样解决，

将生成的pycuda相关包放入虚拟环境下的python3.6/lib/sit-pakages/文件下，然后import pycuda应该不会报错。

⑤安装onnx，键入 sudo apt-get install onnx==1.4.1 运行  注：时间可能较为漫长，不要安装版本较高，否则可能安装失败

⑥进入 /tensorrt_demos/plugins/ 路径下，键入 make 运行；

⑦进入 /tensorrt_demos/yolo/ 路径下，将事先下载好的 yolov4.weights 和 上部分的/darknet/cfg/ 路径下的yolov4.cfg文件复制至此，编辑 download_yolo.sh 文件，结果如下图注：其他权重类似：

 

 ⑧键入 ./download_yolo.sh 运行

⑨键入 python3 yolo_to_onnx.py -m yolov4-416 运行，花费一段时间

⑩键入 python3 onnx_to_tensorrt.py -m yolov4-416 运行，花费一段时间

⑪键入 cd .. 返回上一级

⑫键入 python3 trt_yolo.py --image <某路径下图片> -m yolov4-416 运行检测图片，

键入 python3 trt_yolo.py --usb 0 -m yolov4-416 运行摄像头检测，

键入 python3 trt_yolo.py --demo <某路径下视频> -m yolov4-416 运行视频检测

（9）Yolov5复现及Tensorrt加速检测

1. yolov5复现（yolov5要求python>=3.8，但可创建3.6来运行）

①conda activate <环境名> 注：建议在archiconda3/envs/<环境名>下打开终端，避免文件混乱

②git clone https://github.com/ultralytics/yolov5  注：若克隆失败，则直接去该网站下载压缩包

③安装pytorch

1：在此网站https://elinux.org/Jetson_Zoo#PyTorch_.28Caffe2.29根据个人配置下载pytorch的whl文件 注：可能下载失败，可在csdn上寻找资源进行下载

2：在终端进入whl文件所在的路径下，键入运行 pip3 install <whl文件名>

3：启动python解释器，键入

import torch  ， torch.__version__  ,torch.cuda.is_available() 运行查看是否安装成功

④安装torchvision

1：git clone -b v0.x.0 https://github.com/pytorch/vision  注：x是torch对应的torchvision版本

2：cd vision

3：sudo python3 setup.py install

4: 启动python解释器，键入 import torchvision  ， torchvision.__version__  运行查看是否安装成功

⑤配置opencv环境，同上Darknet的做法相同

⑥根据网站 https://github.com/ultralytics/yolov5 下载权重文件，并放置在weights文件（自己创建）下，

⑦根据yolov5文件夹下的requirements.txt来安装所需库条件(建议单独安装，否则可能会出错)：

pip3 install Cython matplotlib==3.2.2 numpy==1.18.5 Pillow PyYAML==5.4.1 scipy==1.5.4 thop tqdm==4.58.0 tensorboard==1.15.0 seaborn==0.11.0 pandaspycocotools==2.0.2

⑧若一切顺利，则现在可以进行测试（将终端路径变换至yolov5下）：

摄像头检测：python3 detect.py --source 0 --weights weights/yolov5s.pt --conf 0.25

图片检测：python3 detect.py --source <图片路径> --weights weights/yolov5s.pt --conf 0.25

视频检测：python3 detect.py --source <视频路径> --weights weights/yolov5s.pt --conf 0.25

1. Tensorrt复现

①git clone https://github.com/wang-xinyu/tensorrtx 注：若克隆失败，则直接去该网站下载压缩包

②将.../tensorrt/yolov5/gen_wts.py复制至.../yolov5文件下,打开终端键入 python gen_wts.py 运行，则会生成一个.wts文件

③在/tensorrt/yolov5文件下，再次打开终端，键入运行

mkdir build

cd build

cmake ..

make

④将生成的.wts文件复制至/tensorrt/yolov5/build/文件下，打开终端键入运行

sudo ./yolov5 -s yolov5s.wts yolov5s.engine s   注：生成.engine文件，需等待几分钟

sudo ./yolov5 -d yolov5s.engine <图片路径>       

注：由于yolov5在Tensorrt加速下生成的.engine文件是对图片的推理，而一般实时性项目均使用摄像头进行检测，故需对yolov5.cpp文件进行魔改，但由于本人能力有限，现阶段未能实现。