这里说插上烧好镜像的SD卡上电就可以直接用了,似乎是不需要特意更改或者设置什么的。
转载自:https://mp.weixin.qq.com/s/Lhm9FFctl7BShdnBwmCV4w
Jetson-Xavier-NX使用教程
原创 lance 计算机视觉算法工程师 2月18日
1.介绍
-
microSD卡插槽用于主存储
-
40针扩展接头
-
微型USB端口
-
千兆以太网端口
-
USB 3.1 A型端口(x4)
-
HDMI输出端口
-
DisplayPort连接器
-
DC Barrel插孔,用于19V电源输入
-
MIPI CSI摄像机连接器
载板新功能:
-
自带wifi模块,且安装位置移到载板反面。也就是说拆装wifi模块不需要先取下核心模块了。
-
载板自带塑料底座,且集成了wifi天线。但只要卸掉wifi天线和4个固定螺丝,就可以取下载板。
-
增加了一个m.2接口,在反面,可以装nvme固态硬盘。
-
增加了CAN接口,但没焊排针,可以自加。
-
供电口改为19V,与AGX Xavier一致。
2.刷机
推荐按照本教程这种方式进行刷机,基础软件都会包含在镜像中,相应的工具已上传百度云。
链接:https://pan.baidu.com/s/1IwDlwaYbOmt7qyF2EjY9Zg 提取码:r2tt
将烧录好的TF卡插入到NX开发板上,SD卡装好了以后记得接好显示器的线,最后在接入官方配送的19V电源,记得手和金属物体不要碰NX的电路板以防止静电和短路导致电路损坏。连接电源后自动开机,可以观察到绿色电源LED亮起,经过十几秒以后进入Ubuntu18.04的设置界面,选择好语言,时区,设置完密码以及链接WIFI以后就可以进入桌面。
-
下载镜像:https://developer.nvidia.com/jetson-nx-developer-kit-sd-card-image
-
将镜像写入microSD卡(最好64GB+),以win10为例。
-
下载SD卡格式化工具SD Card Formatter
-
使用烧录工具Etcher写入镜像
-
点击Flash form file选择刚才下载好的SD Card Image压缩包
-
将TF卡插入到读卡器,并插入到电脑主机的USB口,点击select target选择要烧录到的TF卡(有的也会自动识别TF卡)
-
点击Flash进行烧录
-
-
-
开机
3.常用软件
#驱动版本
head -n 1 /etc/nv_tegra_release
#内核版本
uname -r
#操作系统
lsb_release -i -r
#CUDA版本
nvcc -V
#cuDNN版本
dpkg -l libcudnn8
#opencv版本
dpkg -l libopencv / pkg-config opencv --modversion
#Tensorrt版本
dpkg -l tensorrt
添加CUDA环境变量
#cuda
sudo vi ~/.bashrc
#添加
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
#保存并刷新
source ~/.bashrc
-
换源
#备份原有软件源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
sudo vi /etc/apt/sources.list
#清华源
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe
#更新
sudo apt-get update
-
pip/python3
#查看python版本是否最新
sudo apt-get install python3-pip python3-dev
python3 -m pip install --upgrade pip
-
Jetson-stats
#查看系统使用情况,类似top
pip3 install jetson-stats
#使用
jtop
-
(optional)docker
一般来说,使用NVIDIA官网上下载的sdk image烧写入SD卡或者使用sdk manager/jet package连到板子安装全部软件后,里面什么都有了,包括docker和nvidia docker里面都有了,使用nvidia docker可以把GPU用起来,但是如果误删或者不小心弄坏了docker,或者为了减少发布系统的image的大小,尽量减少不需要安装的软件包,比如想从最基本的Basic Packages for L4T 开始根据需要一点一点的添加,那么自己安装nvidia docker甚至包括docker可能是需要的。
docker:https://docs.docker.com/engine/install/ubuntu/
注意选择arm64的命令。
安装nvidia-container-toolkit或者nvidia-docker2,直接使用apt-get install命令就行,因为/etc/apt/sources.list.d/nvidia-l4t-apt-source.list这个源已保证可以找到你的板子对应的安装包,千万不要按照官网https://github.com/NVIDIA/nvidia-docker上面列的步骤去安装,那些是非Jetson板子的PC/Server上使用的
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker
#docker 19.03如果不能使用GPU
# 安装nvidia-container-runtime,默认安装位置:/usr/bin/
sudo apt-get install nvidia-container-runtime
# 修改 /etc/docker/daemon.json,配置默认nvidia运行
sudo vim /etc/docker/daemon.json # 在daemon.json文件中添加如下内容,如下示意图
{ "default-runtime": "nvidia",
"runtimes": { "nvidia": { "path": "/usr/bin/nvidia-container-runtime", "runtimeArgs": [] } } }
#若docker pull出错,可在daemon.json中添加"dns":["8.8.8.8"]
#docker pull 加速,可在daemon.json中添加 "registry-mirrors": ["https://9cpn8tt6.mirror.aliyuncs.com"]
# 重启docker服务即可生效
sudo systemctl daemon-reload
sudo systemctl restart docker
-
风扇控制
板子过热会导致网络连接不稳定,可以手动开启风扇
echo 255 > /sys/devices/pwm-fan/target_pwm #0:表示关闭风扇 0-255可选,
-
USB类摄像头控制工具
sudo apt-get install cheese
cheese #即可打开摄像头
#查看摄像头编号
ls /dev/video*
4.AI demo
https://github.com/NVIDIA-AI-IOT/jetson-cloudnative-demo
https://github.com/dusty-nv/jetson-inference/
自定义容器可以以NGC中的基于L4T镜像为基础进行制作:https://ngc.nvidia.com/catalog/containers/nvidia:l4t-base
-
自定义demo
安装相应模型配置所需和环境即可
-
官方容器demo
以peopledetection为例
#可参考https://github.com/NVIDIA-AI-IOT/jetson-cloudnative-demo
docker pull nvcr.io/nvidia/deepstream-peopledetection:r32.4.2
sudo xhost +si:localuser:root
sudo docker run -it --rm --net=host --runtime nvidia -e DISPLAY=$DISPLAY -v /tmp/.X11-unix/:/tmp/.X11-unix nvcr.io/nvidia/deepstream-peopledetection:r32.4.2 deepstream-test5-app -c deepstream-5.0/samples/configs/deepstream-app/sourceX_1080p_dec_infer-resnet_tracker_tiled_display_int8_hq_dla_nx.txt
-
官方示例demo
git clone https://github.com/NVIDIA-AI-IOT/jetson-cloudnative-demo
sudo apt-get install xdotool
cd jetson-cloudnative-demo
#launch demo
sudo ./run_demo.sh
#该脚本会运行四个容器demo,分别为people detection、pose detection、gaze detection、speech recognition and Natural Language Processing
#因网络原因速度较慢,也可选择某一个容器进行展示