英伟达Jetson Tx2开发者工具包环境配置教程

英伟达Jetson Tx2开发者工具包环境配置教程

包含系统烧写，系统迁移到SSD，conda环境配置，YOLOv5运行环境配置

下载SDK Manager

使用Nvidia Sdk Manager进行操作系统和SDK烧写，需要Linux环境

可以使用VMware+Ubuntu16.08/18.04。

1. 下载Nvidia Sdk Manager:
   地址为：SDK Manager | NVIDIA Developer

2. 安装SDK Manager：

sudo dpkg -i (包名).deb

烧写系统到板载闪存

1. 用micro-USB连连接开发板和电脑、打开SDK Manager，选择设备Jetson Tx2、不勾选Host Machine
   
2. 如图，不勾选Jetson SDK Components，勾选下方I accept the terms and conditions of the license agreements.然后再点击下一步。
   
3. 设置用户名和密码，例如nvidia，设置完成点击Flash刷机
4. 等待烧写完成

将系统迁移到固态硬盘

固态硬盘插在主板的PCIE x4接口上，需要转接器，不迁移系统可以跳至下一步

格式化硬盘

系统烧写完成后，开发板上电进入系统，在开发板上格式化要迁移系统的固态硬盘

1. 打开磁盘管理工具disk
2. 选择固态硬盘，点击右上角属性中的第一项"Format Partition" 3. 点击Format
   
3. 确认信息，再次点击Format
   
4. 点击+号创建分区
5. 弹出"Create Partition"页面，点"Next"按钮继续
   
6. 输入Volume Name，点击"Create"继续
   
7. 等待分区完成后，此时状态还是"Not Mounted"状态，点击"▶"图标继续。
8. 待Contents状态为下图中状态即硬盘挂载成功

下载迁移系统工具

打开终端下载rootOnNVMe

sudo apt update
sudo apt upgrade
git clone https://github.com/jetsonhacks/rootOnNVMe.git
# 切换到root用户, 设置root用户密码
sudo passwd root
# 切换到root
su -
cd /home/用户名/rootOnNVMe
./copy-rootf-ssd.sh
./setup-service.sh

修改启动文件

cd /boot/extlinux  
sudo cp extlinux.conf extlinux.bak
sudo gedit /boot/extlinux/extlinux.conf 

修改前

TIMEOUT 30
DEFAULT primary

MENU TITLE L4T boot options

LABEL primary
      MENU LABEL primary kernel
      LINUX /boot/Image
      INITRD /boot/initrd
      APPEND ${cbootargs} quiet root=/dev/mmcblk0p1 rw rootwait rootfstype=ext4 console=ttyS0,115200n8 console=tty0 fbcon=map:0 net.ifnames=0 isolcpus=1-2 nv-auto-config

修改后

TIMEOUT 30
DEFAULT nvmeSSD

MENU TITLE L4T boot options

LABEL nvmeSSD
      MENU LABEL primary NVMe SSD
      LINUX /boot/Image
      INITRF /boot/initrd
      APPEND ${cbootargs} quiet root=/dev/nvme0n1p1 rw rootwait rootfstype=ext4

LABEL emmc
      MENU LABEL Internal eMMC
      LINUX /boot/Image
      INITRD /boot/initrd
      APPEND ${cbootargs} quiet root=/dev/mmcblk0p1 rw rootwait rootfstype=ext4 console=ttyS0,115200n8 console=tty0 fbcon=map:0 net.ifnames=0 isolcpus=1-2 nv-auto-config 

重启设备，如图所示即为迁移成功

安装Jetson SDK Components

再次打开SDK Manager，勾选DeepStream后点击下一步

不勾选Jetson OS，勾选Jetson SDK Components

输入用户名和密码点击Install

等待安装完成

安装完成后输入nvcc -V，如果配置成功可以看到CUDA版本号

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Sun_Feb_28_22:34:44_PST_2021
Cuda compilation tools, release 10.2, V10.2.300
Build cuda_10.2_r440.TC440_70.29663091_0

安装jtop

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

安装miniforge

下载安装脚本

wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-aarch64.sh
chmod +x Miniforge3-Linux-aarch64.sh 
./Miniforge3-Linux-aarch64.sh 

按一次回车，一次空格，输入yes，再按回车开始安装miniforge，当提示Do you wish the installer to initialize Miniforge3
by running conda init? [yes|no]时在输入一次yes回车，再次打开终端左边出现(base)时代表安装成功

如果觉得打开终端的速度变慢了可以禁止自动激活base环境

conda config --set auto_activate_base false

安装pytorch

新建一个conda环境

conda create -n py36 python=3.6

下载pytorchPyTorch for Jetson - Jetson & Embedded Systems / Jetson Nano - NVIDIA Developer Forums选择合适的版本

激活conda环境，安装numpy，注意后面都是再conda环境激活的状态下使用conda install

conda activate py36
conda install numpy

安装pytorch

sudo apt install libopenblas-base libopenmpi-dev libomp-dev
pip install torch-1.10.0-cp36-cp36m-linux_aarch64.whl

验证pytorch，打开终端输入：

python3
import torch
torch.__version
print('CUDA available: ' + str(torch.cuda.is_available()))
print('cuDNN version: ' + str(torch.backends.cudnn.version()))

安装torchvision

安装Cython、下载torchvision源码

sudo apt install libavformat-dev libavcodec-dev libswresample-dev libswscale-dev libavutil-dev
conda install cython pillow
git clone -b v0.11.1 https://github.com/pytorch/vision torchvision

安装torchvision

cd torchvision
export BUILD_VERSION=0.11.1
python3 setup.py install --user	

搭建YOLOv5运行环境

安装依赖包

sudo apt install gfortran build-essential libatlas-base-dev
conda install matplotlib seaborn requests pyyaml tqdm
pip install opencv-python==4.5.5.64

获取yolov5-6.0

git clone -b v6.0 https://github.com/ultralytics/yolov5.git
cd yolov5
python detect.py