13021.Nvidia AGX orin 平台学习记录

1 Jetson AGX 开发板编译环境搭建

1.1 官方资料包下载

https://developer.nvidia.com/embedded/jetpack-archive
https://developer.nvidia.com/embedded/jetpack?spm=5176.28103460.0.0.49e33da2EIcDhr
在这里插入图片描述
https://developer.nvidia.com/embedded/jetson-linux-r3541
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.2 开发者手册

https://developer.nvidia.com/embedded/learn/jetson-agx-orin-devkit-user-guide/index.html
在这里插入图片描述

1.2.1 安装jetpack

https://developer.nvidia.com/embedded/learn/get-started-jetson-agx-orin-devkit
在这里插入图片描述

sudo bash -c 'echo "deb https://repo.download.nvidia.com/jetson/common r35.4 main" >> /etc/apt/sources.list.d/nvidia-l4t-apt-source.list'
sudo bash -c 'echo "deb https://repo.download.nvidia.com/jetson/t234 r35.4 main" >> /etc/apt/sources.list.d/nvidia-l4t-apt-source.list'

在这里插入图片描述

sudo apt update
sudo apt dist-upgrade
sudo reboot
sudo apt install nvidia-jetpack  # 安装完毕,可以执行nvcc --vesion指令
nvidia-jetpack 是一个包含了一系列 NVIDIA 开发工具和软件包的元包,安装完成后,您可以使用其中的各种工具来进行开发工作。以下是一些常见的 NVIDIA JetPack 工具及其用途:

NVIDIA JetPack 工具
CUDA (Compute Unified Device Architecture):
用于 GPU 计算的软件开发工具包。
cuDNN (CUDA Deep Neural Network library):
用于深度神经网络的高性能 GPU 加速库。
TensorRT:
用于高效推理的优化库。
OpenCV:
用于计算机视觉应用的开源库。
OpenXLA:
用于高性能机器学习和计算的库。
Vulkan:
一种高效的图形和计算 API。
OpenGL:
一种跨平台的图形 API。
OpenGLES:
OpenGL ES 是 OpenGL 的子集,用于移动和嵌入式设备。
Caffe2:
用于构建和训练深度神经网络的框架。
TensorFlow:
用于机器学习和深度学习的端到端开源平台。

在这里插入图片描述

2 更新Image文件

2.1 自编译的Image内核文件更新到系统

在这里插入图片描述

3 编译文档

https://docs.nvidia.com/jetson/archives/r35.4.1/DeveloperGuide/index.html

3.1 编译内核步骤

3.1.1 下载kernel_src 源码包 - 方法1

在这里插入图片描述

  • Jetson_Linux_R35.4.1_aarch64.tbz2
    在这里插入图片描述
./source_sync.sh -t jetson_35.4.1

在这里插入图片描述
在这里插入图片描述

3.1.1 下载kernel_src 源码包 - 方法2

在这里插入图片描述
在这里插入图片描述

3.1.3 编译内核

在这里插入图片描述
在这里插入图片描述

$ export CROSS_COMPILE_AARCH64_PATH=/home/ubuntu/toolchain-for-orin/bin
$ export CROSS_COMPILE_AARCH64=/home/ubuntu/toolchain-for-orin/bin/aarch64-buildroot-linux-gnu-

./nvbuild.sh -o $PWD/kernel_out

3.1.4 内核配置.

  • 工具链 需要export ,参考上面的即可.
ubuntu@1-BJ-EE1000042:~/Linux_for_Tegra/source/public/kernel/kernel-5.10$ 
make menuconfig ARCH=arm64

3.2 编译内核工具链下载

https://developer.nvidia.com/embedded/downloads

在这里插入图片描述
https://developer.nvidia.com/embedded/jetson-linux-r3541 交叉工具链下载
在这里插入图片描述

3.3 orin 介绍

https://docs.nvidia.com/jetson/archives/r35.1/DeveloperGuide/text/SO/JetsonAgxOrin.html#
在这里插入图片描述

4 csi_trace log文件获取

https://forums.developer.nvidia.com/t/cant-get-mipi-csi-trace-log/180527

echo 1 > /sys/kernel/debug/tracing/tracing_on
echo 30720 > /sys/kernel/debug/tracing/buffer_size_kb
echo 1 > /sys/kernel/debug/tracing/events/tegra_rtcpu/enable
echo 1 > /sys/kernel/debug/tracing/events/freertos/enable
echo 2 > /sys/kernel/debug/camrtc/log-level
echo 1 > /sys/kernel/debug/tracing/events/camera_common/enable
echo > /sys/kernel/debug/tracing/trace

echo file vi2_fops.c +p > /sys/kernel/debug/dynamic_debug/control
echo file csi2_fops.c +p > /sys/kernel/debug/dynamic_debug/control

echo file vi4_fops.c +p > /sys/kernel/debug/dynamic_debug/control
echo file csi.c +p > /sys/kernel/debug/dynamic_debug/control
echo file csi4_fops.c +p > /sys/kernel/debug/dynamic_debug/control
echo file nvcsi.c +p > /sys/kernel/debug/dynamic_debug/control

cat /sys/kernel/debug/tracing/trace

在这里插入图片描述

5 安装CUDA驱动

在这里插入图片描述

  • 在线安装cuda驱动
Please ensure your device is configured per the CUDA Tegra Setup Documentation.
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/arm64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda
  • 修改环境变量.bashrc
export PATH=$PATH:/usr/local/cuda-12.2/bin
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/compat

在这里插入图片描述在这里插入图片描述

  • gpu驱动 nvgpu
nano@orin-nano:~$ lsmod
Module                  Size  Used by
fuse                  131072  7
nvidia_modeset       1093632  6
lzo_rle                16384  36
lzo_compress           16384  1 lzo_rle
zram                   32768  6
ramoops                28672  0
reed_solomon           20480  1 ramoops
bnep                   28672  2
loop                   40960  1
nvgpu                2785280  32
aes_ce_blk             36864  1
crypto_simd            24576  1 aes_ce_blk
rtk_btusb              69632  0
cryptd                 32768  1 crypto_simd
rtl8822ce            3117056  0
snd_soc_tegra186_dspk    20480  2
btusb                  57344  0
snd_soc_tegra186_asrc    40960  1
aes_ce_cipher          20480  1 aes_ce_blk
snd_soc_tegra210_ope    36864  1
snd_soc_tegra210_iqc    16384  0
snd_soc_tegra210_mvc    20480  2
btrtl                  24576  1 btusb
r8168                 495616  0
snd_soc_tegra186_arad    28672  2 snd_soc_tegra186_asrc
snd_soc_tegra210_afc    20480  6
ghash_ce               28672  0
input_leds             16384  0
snd_hda_codec_hdmi     61440  1
cfg80211              847872  1 rtl8822ce
snd_soc_tegra210_admaif   131072  1
snd_soc_tegra210_dmic    20480  4
snd_soc_tegra210_adx    32768  4
sha2_ce                20480  0
btbcm                  24576  1 btusb
snd_soc_tegra210_amx    36864  4
snd_hda_tegra          16384  0
sha256_arm64           28672  1 sha2_ce
btintel                32768  1 btusb
snd_soc_tegra210_adsp   774144  1
snd_soc_tegra_pcm      16384  1 snd_soc_tegra210_admaif
snd_soc_tegra210_i2s    24576  6
snd_soc_tegra210_mixer    49152  1
sha1_ce                20480  0
snd_soc_tegra_machine_driver    16384  0
snd_soc_tegra210_sfc    61440  4
snd_hda_codec         135168  2 snd_hda_codec_hdmi,snd_hda_tegra
nvadsp                118784  1 snd_soc_tegra210_adsp
snd_soc_tegra_utils    32768  3 snd_soc_tegra210_admaif,snd_soc_tegra_machine_driver,snd_soc_tegra210_adsp
snd_soc_tegra210_ahub  1273856  3 snd_soc_tegra210_ope,snd_soc_tegra210_sfc
snd_soc_spdif_tx       16384  0
snd_hda_core           94208  3 snd_hda_codec_hdmi,snd_hda_codec,snd_hda_tegra
pwm_fan                24576  0
fusb301                24576  0
snd_soc_simple_card_utils    24576  1 snd_soc_tegra_utils
ina3221                24576  0
tegra_bpmp_thermal     16384  0
tegra210_adma          28672  2 snd_soc_tegra210_admaif,snd_soc_tegra210_adsp
userspace_alert        16384  0
spi_tegra114           32768  0
nvidia               1327104  13 nvidia_modeset
binfmt_misc            24576  1
nvmap                 221184  148 nvgpu
ip_tables              36864  0
x_tables               53248  1 ip_tables

20 附录

20.1 sdkmanager 刷机教程

https://gitcode.csdn.net/662b46239ab37021bfb1a171.html?dp_token=eyJ0eXAiOiJKV1QiLCJhbGciOiJIUzI1NiJ9.eyJpZCI6ODU5NjA5LCJleHAiOjE3MjM3NzY4NzQsImlhdCI6MTcyMzE3MjA3NCwidXNlcm5hbWUiOiJ4aW9uZ2ppYTUxNiJ9.lVfdNirWYqxz43uFBcmEaverU2M1vIlkVoIca7ZSQUM

  • 4
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

guangshui516

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值