jetson AGX Orin配置虚拟环境anaconda，cuda，pytorch，torchvision后续制作可视化界面pyqt5，pyside6

常州大学

已于 2024-04-17 03:12:11 修改

阅读量1.8k

点赞数 13

文章标签： python 人工智能深度学习

于 2024-04-16 05:59:31 首次发布

本文链接：https://blog.csdn.net/qq_50771284/article/details/137795160

版权

1.下载anaconda，在这下载清华源，（注意：jetson系列只能下红框里的，aarch64架构的！）

进入到下载文件夹下打开终端，依次输入命令（文件名自己改）：

chomd +x Anaconda3-2024.02-1-Linux-aarch64.sh
./Anaconda3-2024.02-1-Linux-aarch64.sh

关闭终端重新打开，前面显示（base）就成功了。

2.创建虚拟环境

下面是查看有什么环境的代码不用运行，知道就行，虚拟环境的文件路径在./anaconda3/envs/下面

conda env list

创建虚拟环境，代码如下（文件名自己改）

conda create -n 文件名 python=3.8

这里的python版本跟jetson自带的不冲突，（最好用3.8的版本，别问为什么），接着打开这个虚拟环境，前面括号里的内容会变成自己命名的内容。

conda activate 文件名

后面所有下的东西都要基于这个环境下

3.安装cuda

接下来下载这里开始就要注意版本的对应问题了（重点）！！！高版本的低版本的我都尝试过，跑yolo模型都是没有任何问题的。（注意：orin系列自带Ubuntu20.04系统，所以安装jetpack就行)

一行一行执行下面代码（注意：第四行是关机，然后重新打开，需要重新进入虚拟环境（我不知道什么时候要进什么时候不要进，索性后面全部命令都在虚拟环境里面执行！！）

sudo apt upgrade
sudo apt update
sudo apt dist-upgrade
sudo reboot
sudo apt install nvidia-jetpack

我的jetpack是5.x版本，cuda是11.4

配置cuda

sudo gedit ~/.bashrc

在最下面添加这三行

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

然后保存，退出

source ~/.bashrc

4.配置cudnn，接下来一行一行执行下面代码（版本改成自己的）

#复制文件到cuda目录下
cd /usr/include && sudo cp cudnn* /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 
sudo chmod 777 /usr/local/cuda/lib64/libcudnn*

#重新软链接，这里的8.4.1和8对应安装的cudnn版本号和首数字
cd /usr/local/cuda/lib64

sudo ln -sf libcudnn.so.8.4.1 libcudnn.so.8

sudo ln -sf libcudnn_ops_train.so.8.4.1 libcudnn_ops_train.so.8
sudo ln -sf libcudnn_ops_infer.so.8.4.1 libcudnn_ops_infer.so.8

sudo ln -sf libcudnn_adv_train.so.8.4.1 libcudnn_adv_train.so.8
sudo ln -sf libcudnn_adv_infer.so.8.4.1 libcudnn_adv_infer.so.8

sudo ln -sf libcudnn_cnn_train.so.8.4.1 libcudnn_cnn_train.so.8
sudo ln -sf libcudnn_cnn_infer.so.8.4.1 libcudnn_cnn_infer.so.8

sudo ldconfig

测试

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

出现“Test passed!”表示成功了

5.下载pytorch

因为我的cuda是11.4，对应pytorch1.12.0，对应后面的torchvision0.13.0，其他对应版本自己去查

pytorch各版本自己下对应的，下载好后进入下载的路径打开终端，进入虚拟环境后输入

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

有问题的话试一下这个在重新输入

sudo apt-get -y update; 
sudo apt-get -y install autoconf bc build-essential g++-8 gcc-8 clang-8 lld-8 gettext-base gfortran-8 iputils-ping libbz2-dev libc++-dev libcgal-dev libffi-dev libfreetype6-dev libhdf5-dev libjpeg-dev liblzma-dev libncurses5-dev libncursesw5-dev libpng-dev libreadline-dev libssl-dev libsqlite3-dev libxml2-dev libxslt-dev locales moreutils openssl python-openssl rsync scons python3-pip libopenblas-dev

6.安装torchvision

我下载的是0.13.0版本

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

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

cd torchvision

export BUILD_VERSION=v0.13.0

python3 setup.py install --user

报错的话缺啥库就下什么库就行，后面是使用清华源，我习惯pip install 库的时候直接加在后面

pip install 库名 -i https://pypi.tuna.tsinghua.edu.cn/simple

关掉终端重新打开，重新进入虚拟环境。

最后验证pytorch，torchvision是否成功。

python
import torch
import torchvision

不报错就成功了。

下面一行代码是查看在虚拟环境中安装了哪些库的

pip list

7.安装pyside6（做可视化界面用的）

pip install PySide6 -i https://pypi.tuna.tsinghua.edu.cn/simple

(为啥用pyside6,不用pyside2或者pyqt5，因为我这两个安装失败了，耽搁了很久！pyside6就直接成功了）

8.下载pycharm

9.添加外部工具：QtDesinger,PyUIC,PyRCC