系统成功登录后，我们来继续调试软件部分

　　1. 连接Xshell，XFTP

　　安装上系统以后，打开Xshell，输入IP地址，端口号22，无需任何设置，马上就能连上

　　Xshell 6 (Build 0121)

　　Copyright (c) 2002 NetSarang Computer, Inc. All rights reserved.

　　Type `help' to learn how to use Xshell prompt.

　　[C:\~]$

　　Connecting to 10.168.1.120:22...

　　Connection established.

　　To escape to local shell, press 'Ctrl+Alt+]'.

　　Welcome to Ubuntu 18.04.2 LTS (GNU/Linux 4.9.140-tegra aarch64)

　　* Documentation: https://help.ubuntu.com

　　* Management: https://landscape.canonical.com

　　* Support: https://ubuntu.com/advantage

　　This system has been minimized by removing packages and content that are

　　not required on a system that users do not log into.

　　To restore this content, you can run the 'unminimize' command.

　　0 packages can be updated.

　　0 updates are security updates.

　　Last login: Tue Apr 9 09:30:26 2019 from 172.16.12.223

　　beckhans@Jetson:~$

　　同理，打开XFTP，设置好IP地址和端口22，XFTP也能连接到Jetson Nano

　　这里有一个坑，我的系统中桌面共享一点就Ubuntu异常，不知其他人有没有这个问题。害的我想了其它办法解决共享桌面的问题

　　2. 关于更新源

　　一般来说，安装完系统后应当更新源，但是由于Jetson Nano采用的是aarch64架构的Ubuntu 18.04.2 LTS系统，与AMD架构的Ubuntu系统不同，而我没有找到完美的国内源，所以不推荐大家换源。我自己尝试了中科大的源，里面有很多软件都没有。这里还是把中科大的源贴在下面，大家谨慎使用。

　　deb http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe

　　deb http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe

　　deb http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-proposed main multiverse restricted universe

　　deb http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe

　　deb http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe

　　#deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe

　　#deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe

　　#deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-proposed main multiverse restricted universe

　　#deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe

　　#deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe

　　我这里并没有换源，还是使用Jetson Nano的默认源进行更新。更新过程很漫长，大家可以执行完命令，改干啥就干啥吧

　　sudo apt-get update

　　sudo apt-get full-upgrade

　　3. 检查已经安装的系统组件

　　Jetson-nano的OS镜像已经自带了JetPack，cuda，cudnn，opencv等都已经安装好，并有例子，这些例子安装路径如下所示

　　TensorRT /usr/src/tensorrt/samples/

　　CUDA /usr/local/cuda-/samples/

　　cuDNN /usr/src/cudnn_samples_v7/

　　Multimedia API /usr/src/tegra_multimedia_api/

　　VisionWorks /usr/share/visionworks/sources/samples/ /usr/share/visionworks-tracking/sources/samples/ /usr/share/visionworks-sfm/sources/samples/

　　OpenCV /usr/share/OpenCV/samples/

　　(1) 检查CUDA

　　Jetson-nano中已经安装了CUDA10.0版本，但是此时你如果运行 nvcc -V是不会成功的，需要你把CUDA的路径写入环境变量中。OS中自带Vim工具 ，所以运行下面的命令编辑环境变量

　　sudo vim ~/.bashrc

　　在最后添加

　　export CUDA_HOME=/usr/local/cuda-10.0

　　export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH

　　export PATH=/usr/local/cuda-10.0/bin:$PATH

　　然后保存退出

　　对了最后别忘了source一下这个文件。

　　source ~/.bashrc

　　source后，此时再执行nvcc -V执行结果如下

　　beckhans@Jetson:~$ nvcc -V

　　nvcc: NVIDIA (R) Cuda compiler driver

　　Copyright (c) 2005-2018 NVIDIA Corporation

　　Built on Sun_Sep_30_21:09:22_CDT_2018

　　Cuda compilation tools, release 10.0, V10.0.166

　　beckhans@Jetson:~$

　　(2)检查OpenCV

　　Jetson-nano中已经安装了OpenCV3.3版本，可以使用命令检查OpenCV是否安装就绪

　　pkg-config opencv --modversion

　　如果OpenCv安装就绪，会显示版本号，我的版本是3.3.1

　　(3)检查cuDNN，　　无锡人流医院:http://www.bhnfkyy.com/

　　Jetson-nano中已经安装好了cuDNN，并有例子可供运行，我们运行一下例子，也正好验证上面的CUDA

　　cd /usr/src/cudnn_samples_v7/mnistCUDNN #进入例子目录

　　sudo make #编译一下例子

　　sudo chmod a+x mnistCUDNN # 为可执行文件添加执行权限

　　./mnistCUDNN # 执行

　　如果成功，如下所示

　　beckhans@Jetson:/usr/src/cudnn_samples_v7/mnistCUDNN$ ./mnistCUDNN

　　cudnnGetVersion() : 7301 , CUDNN_VERSION from cudnn.h : 7301 (7.3.1)

　　Host compiler version : GCC 7.3.0

　　There are 1 CUDA capable devices on your machine :

　　device 0 : sms 1 Capabilities 5.3, SmClock 921.6 Mhz, MemSize (Mb) 3964, MemClock 12.8 Mhz, Ecc=0, boardGroupID=0

　　Using device 0

　　Testing single precision

　　Loading image data/one_28x28.pgm

　　Performing forward propagation ...

　　Testing cudnnGetConvolutionForwardAlgorithm ...

　　Fastest algorithm is Algo 1

　　Testing cudnnFindConvolutionForwardAlgorithm ...

　　^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.325104 time requiring 3464 memory

　　^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.387500 time requiring 0 memory

　　^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.540729 time requiring 57600 memory

　　^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 4.965156 time requiring 207360 memory

　　^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 5.201146 time requiring 2057744 memory

　　Resulting weights from Softmax:

　　0.0000000 0.9999399 0.0000000 0.0000000 0.0000561 0.0000000 0.0000012 0.0000017 0.0000010 0.0000000

　　Loading image data/three_28x28.pgm

　　Performing forward propagation ...

　　Resulting weights from Softmax:

　　0.0000000 0.0000000 0.0000000 0.9×××88 0.0000000 0.0000711 0.0000000 0.0000000 0.0000000 0.0000000

　　Loading image data/five_28x28.pgm

　　Performing forward propagation ...

　　Resulting weights from Softmax:

　　0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 0.9999820 0.0000154 0.0000000 0.0000012 0.0000006

　　Result of classification: 1 3 5

　　Test passed!

　　Testing half precision (math in single precision)

　　Loading image data/one_28x28.pgm

　　Performing forward propagation ...

　　Testing cudnnGetConvolutionForwardAlgorithm ...

　　Fastest algorithm is Algo 1

　　Testing cudnnFindConvolutionForwardAlgorithm ...

　　^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.113750 time requiring 0 memory

　　^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.119792 time requiring 3464 memory

　　^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.236198 time requiring 28800 memory

　　^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 1.031719 time requiring 207360 memory

　　^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 5.049948 time requiring 203008 memory

　　Resulting weights from Softmax:

　　0.0000001 1.0000000 0.0000001 0.0000000 0.0000563 0.0000001 0.0000012 0.0000017 0.0000010 0.0000001

　　Loading image data/three_28x28.pgm

　　Performing forward propagation ...

　　Resulting weights from Softmax:

　　0.0000000 0.0000000 0.0000000 1.0000000 0.0000000 0.0000714 0.0000000 0.0000000 0.0000000 0.0000000

　　Loading image data/five_28x28.pgm

　　Performing forward propagation ...

　　Resulting weights from Softmax:

　　0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 1.0000000 0.0000154 0.0000000 0.0000012 0.0000006

　　Result of classification: 1 3 5

　　Test passed!

　　好了，基本组件检查完毕，下一次安装一些机器学习一定会用到的包