Jetson Nano 系统安装及环境配置

说明

本教程详细介绍了Jetson Nano系统的安装烧录和深度学习环境配置。

VMware16虚拟机安装

SDKManager基于Ubuntu完成JetsonNano镜像系统的烧录。因此需要通过VMware虚拟机安装Ubuntu系统。注意硬盘尽可能分配大一些，最小80GB。虚拟机安装Ubuntu系统的过程不再赘述。

SDKManager系统烧录

SDK Manager下载：NVIDIA SDK Manager

1.安装SDKManager

直接点击安装

直接安装不了可以选择执行以下命令安装，可能需要换apt源

sudo apt-get -f install
sudo dpkg -i sdkmanager_1.9.0-10816_amd64.deb

2.将JetsonNano与PC连接起来,选择连接虚拟机（FC_REC脚接GND）

3.打开SDKManager

需要NVIDIA账号，自行注册

4.可能会有版本更新，确认更新

5.SDK自动检测板载型号，勾选如图所示，Host不需要勾选

7.Jetson OS和Jetson SDK都选择安装，如果虚拟机磁盘空间不足，则只能选择安装Jetson OS系统
Download now Install later建议勾选，否则极有可能下载失败。

8.下载完成后在/home路径下发现以下两个文件，下载完成。

9.重新打开SDKManager，选择离线安装

配置用户名和密码

10.等待安装完成。

将系统迁移至固态硬盘

1.格式化您已安装的 SSD

安装您的和SSD并启动，然后打开菜单并进行搜索。disk启动磁盘应用程序，您将看到此。

点击右上角三个点点。选择 Format Disk

现在让我们选择主分区的大小。我建议你使用16 GB交换文件。

给卷起个名字。然后单击。然后你会看到这个未来。Create

现在，您已成功创建卷。

2.将根源从SD卡复制到SSD

首先，复制该项目。

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

然后将根源文件复制到您的SSD

./copy-rootfs-ssd.sh

3.启用从 SSD 启动，运行以使服务生效。

./setup-service.sh

4.重启系统

reboot

切记！ 就算root移植到固态中 也不要删除emmc中的root 因为系统还是要经过emmc引导到SSD上!!!

配置深度学习环境

如果在刻录步骤安装好了，那么这里就不需要安装了。

1.CUDA
这里有两种方法。第一种通过bootFromExternalStorage安装。第二种使用sdk-manager安装。

方法一：bootFromExternalStorage安装

从Github获取bootFromExternalStorage，执行命令：

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

给bootFromExternalStorage赋权限

sudo chmod -R 777 bootFromExternalStorage

运行脚本

cd bootFromExternalStorage
./install_jetson_default_packages.sh

然后就开始下载jetpack的默认配置环境，里面包括CUDA和cuDNN等。

方法二：sdk-manager安装

这个安装可前面安装JetPack系统操作类似，然后将板子上Micro USB通过数据线和电脑链接。

然后将Jetson SDk全选，然后转到第三步，下载这些软件并安装。等待完成后就可以配置CUDA的环境变量了。
配置CUDA环境变量

安装完成后，输入ncvv -V,发现并不能读取CUDA的版本，这是因为环境变量还没有配置

输入vim ~/.bashrc命令打开文件，在文件结尾输入以下语句，保存。

export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

更新环境变量配置

source ~/.bashrc

然后再输入nvcc -V，就可以看到CUDA的版本信息了。

2.cuDNN

虽然安装了cuDNN，但没有将对应的头文件、库文件放到cuda目录。cuDNN的头文件在：/usr/include，库文件位于：/usr/lib/aarch64-linux-gnu。将头文件与库文件复制到cuda目录下：

cd /usr/include && sudo cp cudnn.h /usr/local/cuda/include
cd /usr/lib/aarch64-linux-gnu && sudo cp libcudnn* /usr/local/cuda/lib64

修改文件权限，修改复制完的头文件与库文件的权限，所有用户都可读，可写，可执行：

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

重新链接

cd /usr/local/cuda/lib64
sudo ln -sf libcudnn.so.8.4.0 libcudnn.so.8
sudo ln -sf libcudnn_ops_train.so.8.4.0 libcudnn_ops_train.so.8
sudo ln -sf libcudnn_ops_infer.so.8.4.0 libcudnn_ops_infer.so.8
sudo ln -sf libcudnn_adv_infer.so.8.4.0 libcudnn_adv_infer.so.8
sudo ln -sf libcudnn_cnn_infer.so.8.4.0 libcudnn_cnn_infer.so.8
sudo ln -sf libcudnn_cnn_train.so.8.4.0 libcudnn_cnn_train.so.8
sudo ln -sf libcudnn_adv_train.so.8.4.0 libcudnn_adv_train.so.8
sudo ldconfig

测试cuDNN

sudo cp -r /usr/src/cudnn_samples_v8/ ~/
cd ~/cudnn_samples_v8/mnistCUDNN
sudo chmod 777 ~/cudnn_samples_v8
sudo make clean && sudo make
./mnistCUDNN

如果配置成功 测试完成后会显示：“Test passed!”。

3.miniconda

wget https://mirrors.bfsu.edu.cn/anaconda/miniconda/Miniconda3-py38_4.12.0-Linux-aarch64.sh
sudo sh Miniconda3-py38_4.12.0-Linux-aarch64.sh

安装完后可能需要在.bashrc配置环境变量，

sudo vim ~/.bashrc
# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/home/dell/miniconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
    eval "$__conda_setup"
else
    if [ -f "/home/dell/miniconda3/etc/profile.d/conda.sh" ]; then
        . "/home/dell/miniconda3/etc/profile.d/conda.sh"
    else
        export PATH="/home/dell/miniconda3/bin:$PATH"
    fi
fi
unset __conda_setup
# <<< conda initialize <<<
source ~/.bashrc

4.pytorch

pytorch版本不能随意安装，必须安装英伟达编译的好的库文件，
链接：PyTorch for Jetson

选择对应jetpack版本的pytorch文件。

我的是5.0.2的，所以可以选择1.12.0版本的pytorch。点击链接然后下载。

等待下载完成后，执行

pip install torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl

安装torchvision
执行命令：

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

下图是vision torchvision和pytorch的对应表

v1.12.0版本的pytorch对应v0.13.0版本的vision torchvision，所以执行命令：

git clone --branch  v0.13.0 https://github.com/pytorch/vision torchvision

获取vision torchvision，然后执行下面的命令安装

python setup.py install --user

验证安装

import torch
print(torch.__version__)
print('CUDA available: ' + str(torch.cuda.is_available()))
print('cuDNN version: ' + str(torch.backends.cudnn.version()))

报错：ImportError: libopenblas.so.0: cannot open shared object file: No such file or directory

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

5.jtop

# 安装pip3
sudo apt install python3-pip
# 安装Jtop工具
sudo -H pip3 install -U jetson-stats
# 启动jtop
sudo jtop

可以看到 CUDA、cdDNN、TensorRT的版本。

TensorRT 状态查询

dpkg -l | grep nvinfer

6.ONNX

sudo apt-get install protobuf-compiler libprotoc-dev
pip install onnx