Orin 安装CUDA CUDNN TensorRT Opencv和输入法的环境配置

有两种方法可以安装CUDA环境

第一种方法-用命令按照

在刷机完成的Orin,执行如下命令:

sudo apt  update  
sudo apt upgrade
sudo apt install nvidia-jetpack -y

注释–如果在执行第三行命令,报错的话,先查看nvidia-l4t-apt-source.list
在这里插入图片描述
将其修改为
在这里插入图片描述
修改完后,重新执行上面那三行命令

CUDA 检查是否安装成功
运行命令

nvcc -V

输出结果

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Thu_Nov_11_23:44:05_PST_2021
Cuda compilation tools, release 11.4, V11.4.166
Build cuda_11.4.r11.4/compiler.30645359_0

如果报错,需要把nvcc添加到环境变量,方法如下

sudo gedit /etc/profile

在profile此文件末尾加入如下三行代码,即可配置好环境变量,/usr/local/cuda-11.4即是 cuda 默认安装的目录

# /usr/local/cuda-11.4 ---因为/usr/local文件夹中有cuda-11.4文件
export PATH=/usr/local/cuda-11.4/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-11.4   
source /etc/profile
reboot   # 重启电脑

cuDNN 检查是否安装成功
运行命令

dpkg -l libcudnn8

输出结果

	Desired=Unknown/Install/Remove/Purge/Hold
| Status=Not/Inst/Conf-files/Unpacked/halF-conf/Half-inst/trig-aWait/Trig-pend
|/ Err?=(none)/Reinst-required (Status,Err: uppercase=bad)
||/ Name           Version             Architecture Description
+++-==============-===================-============-======================
ii  libcudnn8      8.3.2.49-1+cuda11.4 arm64        cuDNN runtime libraries

TensorRT 检查是否安装成功
运行命令

dpkg -l tensorrt

输出结果

Desired=Unknown/Install/Remove/Purge/Hold
| Status=Not/Inst/Conf-files/Unpacked/halF-conf/Half-inst/trig-aWait/Trig-pend
|/ Err?=(none)/Reinst-required (Status,Err: uppercase=bad)
||/ Name           Version             Architecture Description
+++-==============-===================-============-=====================
ii  tensorrt       8.4.0.11-1+cuda11.4 arm64        Meta package of TensorRT

OpenCV 检查是否安装成功
运行命令

dpkg -l libopencv

输出结果

Desired=Unknown/Install/Remove/Purge/Hold
| Status=Not/Inst/Conf-files/Unpacked/halF-conf/Half-inst/trig-aWait/Trig-pend
|/ Err?=(none)/Reinst-required (Status,Err: uppercase=bad)
||/ Name           Version             Architecture Description
+++-==============-===================-============-=======================
ii  libopencv      4.5.4-8-g3e4c170df4 arm64        Open Computer Vision Library

第二种方法–使用SDKmanager 安装

具体方法百度一下

安装输入法

1 . 打开终端,输入命令

sudo apt-get install fcitx-googlepinyin -y

2.打开设置 找到语言支持(Language Suppor)

注释–首次开机的话会提示更新或者补充下载一下语言包什么的,同意安装就可以。

3.在菜单和窗口的语言移到最上面,按住往上托就可以

4.修改键盘输入方式 Keyboard input method system为fcitx(默认ibus)

5.终端输入reboot重启开发板,完成。

安装jtop

sudo apt install python3-pip 
sudo -H pip3 install -U pip 
sudo -H pip install jetson-stats

注释–安装jtop之前,要按照好CUDA CUDNN TensorRT Opencv这些才行。

参考链接

  1. NVIDIA Jetson AGX Orin 开发环境配置
  2. Jetson 配置中文环境,中文输入法,安装QQ
  3. Jetson Orin(Ubuntu20.04)安装NoMachine和Jtop
  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
CUDA是一种并行计算平台和编程模型,用于利用NVIDIA GPU的并行计算能力。它能够加速各种计算任务,包括深度学习的训练和推理。CUDNN是NVIDIA提供的一个针对深度神经网络的GPU加速库,它提供了高性能的卷积、池化等操作的实现,能够加速深度学习模型的训练和推理过程。OpenCV是一个广泛使用的计算机视觉库,可以帮助我们处理图像和视频数据。在使用OpenCV进行深度学习任务时,CUDACUDNN可以提供GPU加速,以提高计算性能和效率。所以,如果您想要使用GPU进行加速,您需要安装CUDACUDNN,并在编译OpenCV时启用对它们的支持。引用<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [如何在 NVIDIA GPU、CUDAcuDNN 中使用 OpenCV 的“dnn”模块](https://blog.csdn.net/Together_CZ/article/details/118964636)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [搭建opencv的GPU(CUDACUDNN)环境](https://blog.csdn.net/qq_32740315/article/details/105519037)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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