NVIDIA JETSON AGX XAVIER 环境配置记录

1、刷机完成后开始环境配置

1. 基本环境配置:
2. sudo apt-get update
3. sudo apt-get install nvidia-jetpack 
4. sudo apt-get install python3-pip

 2、设置SSD启动

1. 首先讲SSD格式化（Disk工具）
2. df -h (检查是否存在该硬盘分区)
3. 使用 rootOnNVME工具 ( 参考链接Jetson Xavier NX – 从 SSD 运行_jetson nx ssd_AI边缘计算服务器_图为科技的博客-CSDN博客)
4. sudo reboot

3、CUDA环境配置

1. sudo gedit ~/.bashrc
2. export CUDA_HOME=/usr/local/cuda
3. export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
4. export PATH=/usr/local/cuda/bin:$PATH
5. source ~/.bashrc
6. nvcc -V        #查看版本

4、pip安装及换源

1. sudo apt-get install python-pip
2. pip install --upgrade pip
3. sudo apt-get install python3-pip
4. pip3 install --upgrade pip
5. # pip 换源
6. mkdir ~/.pip
7. vim ~/.pip/pip.conf
   
   [global]
   index-url = https://pypi.tuna.tsinghua.edu.cn/simple
   [install]
   trusted-host = https://pypi.tuna.tsinghua.edu.cn

5、jtop安装

1. sudo -H pip install jetson-stats 
2. sudo jtop

6、系统自带opencv不支持cuda加速，卸载重装

1. sudo apt purge libopencv*
2. sudo apt autoremove
3. sudo apt update

7、系统的Cmake版本较低，进行高版本安装，不需要卸载，会自己覆盖。

1. wget http://www.cmake.org/files/v3.13/cmake-3.13.0.tar.gz
2. tar xpvf cmake-3.13.0.tar.gz cmake-3.13.0/
3. cd cmake-3.13.0
4. ./configure
5. make
6. sudo make install
7. echo 'export PATH=/home/nvidia/cmake-3.13.0/bin/:$PATH' >> ~/. bashrc
8. source ~/.bashrc
9. 参考链接：【8-12】树莓派ubuntu升级Cmake_树梅派 ubuntu cmake 升级-CSDN博客

8、Opencv安装，主要在编译过程中出现了两种error

1. 安装参考：Jetson带CUDA编译的opencv4.5安装教程与踩坑指南，cmake配置很重要！_jetson带cuda编译的opencv4.5安装教程与踩坑指南,cmake配置很重要!-CSDN博客
2. error解决参考链接：【精选】Ubuntu系统opencv编译错误：Makefile:162:recipe for target ‘all‘ failed make:*** [all] Error 2_makefile:162: recipe for target 'all' failed-CSDN博客​​​​​​
3. 下载对应版本的opencv-4.5.0.zip and opencv_contrilb-4.5.0.zip
4. unzip opencv-4.5.0.zip and opencv_contrilb-4.5.0.zip
   cd  opencv-4.5.0
   mkdir build && cd build
5. 编译（建议先把容易出现的error看一下，没有的文件提前下载到对应文件夹，不然有error还要重新编译，太浪费时间。）
   cmake -D CMAKE_BUILD_TYPE=RELEASE\
    -D CMAKE_INSTALL_PREFIX=/usr/local\
    -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules\
    -D CUDA_ARCH_BIN='7.2'\  #查一下自己的板子对应的，安装参考链接有解释
    -D WITH_CUDA=1\
    -D BUILD_opencv_python3=ON -DBUILD_opencv_python2=ON\ #3.6
    -D WITH_V4L=ON\
    -D WITH_QT=ON\
    -D WITH_OPENGL=ON\
    -D CUDA_FAST_MATH=1\
    -D WITH_CUBLAS=1\
    -D OPENCV_GENERATE_PKGCONFIG=1\
    -D WITH_GTK_2_X=ON\
    -D WITH_GSTREAMER=ON ..
6. sudo make -j8
7. 编译过程在出现的错误

   # 在编译过程中出现的错误及解决办法
   # error-1: fatal error: features2d/test/test_detectors_regression.impl.hpp: 没有那个文件或目录
           #include "features2d/test/test_detectors_regression.impl.hpp"
   解决办法:【精选】Ubuntu系统opencv编译错误：Makefile:162:recipe for target ‘all‘ failed make:*** [all] Error 2_makefile:162: recipe for target 'all' failed-CSDN博客

   # error-2: fatal error: features2d/test/test_detectors_regression.impl.hpp: 没有那个文件或目录
           #include "features2d/test/test_detectors_regression.impl.hpp"
   解决办法:opencv_config安装问题_fatal error: features2d/test/test_detectors_regres-CSDN博客

8. 编译完成后
   sudo make install
   sudo make install /home/nvidia/opencv/opencv-4.5.0/samples/cpp/example_cmake
   sudo cmake .
   sudo make
9. 测试以下
   sudo jtop
   看看INFO界面是否之存在opencv及支持cuda
   
10. over

9、安装Qt5

1. sudo apt-get install qt5-default qtcreator -y
   sudo apt-get install libqt5serialport5-dev libudev-dev
   sudo apt-get install libqt5multimedia5-plugins
   sudo apt-get install libcanberra-gtk-module

   sudo apt-get install qt5-default
   sudo apt-get install qtbase5-dev-tools qtcreator qt5-doc qt5-doc-html qtbase5-examples
   sudo apt-get install qt5-assistant
   sudo apt-get install qttools5-dev qttools5-dev-tools
   sudo apt-get install qtmultimedia5-dev
   sudo apt-get install qtquickcontrols2-5-dev

10、conda 安装

主要参考：【精选】NVIDIA Jetson AGX Xavier 配置pytorch环境,anaconda,Pycharm_nvidia jetson agx xavier 的cuda10.2对应的pytorch-CSDN博客

1. # install conda conda 安装
2. miniforge的GitHub地址：https://github.com/conda-forge/miniforge
3. 清华源下载https://mirror.tuna.tsinghua.edu.cn/github-release/conda-forge/miniforge/LatestRelease/
4. 例：Miniforge-pypy3-23.3.0-0-Linux-aarch64.sh 下载
5. sh Miniforge-pypy3-23.3.0-0-Linux-aarch64.sh # install miniforge
6. conda create -n torch_1.10 python=3.6.9
7. conda activate torch_1.10
8. conda remove -n torch_1.10 --all  （这是删除环境，别看错了）

11、torch 安装

主要参考：【精选】NVIDIA Jetson AGX Xavier 配置pytorch环境,anaconda,Pycharm_nvidia jetson agx xavier 的cuda10.2对应的pytorch-CSDN博客

1. # 依赖环境配置
2. sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
3. pip install Cython
4. #开始安装
5. pip install numpy torch-1.10.0-cp36-cp36m-linux_aarch64.whl
6. 安装过程中出现的问题
   error:Illegal instruction (core dumped)
   参考链接解办法：解决英伟达Jetson平台使用Python时的出现“Illegal instruction(cpre dumped)”错误_python illegal instruction-CSDN博客
7. 具体步骤
   sudo gedit ~/.bashrc
   将“export OPENBLAS_CORETYPE=ARMV8”加入到“~/.bashrc”中
   source ~/.bashrc

12、torchvision安装

1. # 依赖环境配置
2. sudo apt-get install libjpeg-dev zlib1g-dev
3. 解压下载的对应安装包
4. unzip vision-0.11.1.zip
5. cd vision-0.11.1
6. sudo gedit ~/.bashrc      #修改bashrc文件
7. export BUILD_VERSION=0.11.1 #把下边这一行添加到最后，#版本号是0.11.1就写0.11.1，是0.10.0就写0.10.0
8. source ~/.bashrc # 刷新bashrc文件  
9. python3 setup.py install --user #开始编译

13、测试 torch and torchvision

1. import torch
2. import torchvision
3. print(torch.__version__)  # 查看torch版本
4. print(torchvision.__version__)  # 查看torchvision版本
5. print(torch.cuda.is_available())  # 查看torch下cuda是否可用