Jetson全流程笔记转载与集合

0x62696E

已于 2025-05-07 16:18:09 修改

阅读量406

点赞数 3

CC 4.0 BY-SA版权

分类专栏： Jetson学习笔记文章标签： ubuntu python

于 2025-03-05 10:50:02 首次发布

本文链接：https://blog.csdn.net/qq_43670594/article/details/146035385

Jetson学习笔记专栏收录该内容

2 篇文章

订阅专栏

文档说明：本文档参考、链接了大量博文，在此表示感谢！！！
我的设备：Jetson Xavier NX，部分过程同样适用于其他 Jetson 设备

1 刷机

使用NVIDIA SDK MANAGER进行刷机

博主使用虚拟机进行刷机，实操过程中，存在以下两个问题：
一是提示磁盘空间不足，我给了虚拟机20G的磁盘，当时忘记截图了，建议给50G以上，也有可能是我按默认选项进行刷机，需要下载的文件比较多的原因。
二是下载速度很慢，即使我使用桥接模式，并在win11主机科学上网，下载速度依旧很慢且不稳定，不过并没有尝试给虚拟机安装clash。
综上，如果使用NVIDIA SDK MANAGER刷机，建议使用可以科学上网的对应版本的Ubuntu主机给Jetson刷机。
此外，由于我的Jetson Xavier NX的磁盘空间有限，无法安装NVIDIA SDK MANAGER默认的所有文件，因此刷机时只刷了Jetson OS，CUDA等驱动后续手动安装。
另外，刷机完成后，没有中文显示，无法中文输入，即使设置中都改为China、Chinese也不行，原因可能是相应资源没有下载，在“区域与语言”设置界面中点击“管理已安装的语言”，系统将自动检测并下载相应的语言和输入法资源，如下图所示（忘记截英文界面的图了）。
在这里插入图片描述

2 远程桌面与远程文件传输

远程桌面与远程文件传输

Jetson的性能较差，开发过程中难免需要使用自己的电脑查阅资料。为避免开发过程中“两个显示器两套键盘两套鼠标的繁琐情况”，需要远程Jetson的桌面。
之前我尝试过安装虚拟显示软件，但每次开机图形化桌面就会消失，只剩文本界面，导致RealVNC无法远程，后续还是老老实实使用HDMI欺骗器了，方便又好用。

3 上电自启动

上电自启动

很多时候，Jetson是放在机器人内部的，无法手动开机，需要设置上电自启动。

4 安装 jtop 工具

安装jtop工具

更便捷的查看、管理Jetson硬件资源，如下图所示。
在这里插入图片描述

5 外接硬盘挂载到 /home

外接硬盘挂载到 /home

6 外接硬盘挂载到 /

Jetson板卡上的硬盘容量较小，需要将 / 迁移到外接硬盘。

（1）外接硬盘设备名确认

sudo fdisk -l

在这里插入图片描述
可见，我的外接硬盘设备名为 /dev/nvme0n1。

（2）外接硬盘分区与格式化

外接硬盘分区与格式化请参考 “ 5 外接硬盘挂载到 /home ” 。
记录分区的UUID：

sudo blkid | grep /dev/nvme0n1p1

在这里插入图片描述

（3）临时挂载外接硬盘

sudo mkdir /mnt/new_root
sudo mount /dev/nvme0n1p1 /mnt/new_root

（4）复制根目录

sudo rsync -aAXv --exclude={"/dev/*","/proc/*","/sys/*","/tmp/*","/run/*","/mnt/*","/media/*","/lost+found"} / /mnt/new_root/

（5）更新外接硬盘的引导配置

编辑 fstab 文件，确保根目录指向外接硬盘的UUID：

sudo gedit /mnt/new_root/etc/fstab

修改根目录行，替换为外接硬盘的UUID：

UUID=xxxx-xxxx-xxxx-xxxx / ext4 defaults 0 1

（6）修改Jetson的引导文件

Jetson设备使用 extlinux.conf 引导，需要更新根目录参数：

sudo gedit /boot/extlinux/extlinux.conf

找到 APPEND 行，修改 root= 参数为外接硬盘的UUID：

APPEND root=UUID=xxxx-xxxx-xxxx-xxxx rootwait rootfstype=ext4

（7）重启验证

sudo reboot

df -h | grep /dev/nvme0n1p1

最终效果如下图所示，这样就可以肆无忌惮下载各种库、包、数据了。
在这里插入图片描述

7 免密

免密
该篇博文插入内容存在问题，应该插入以下内容：

# 替换 username 为用户名
username	ALL=(ALL:ALL) NOPASSWD:ALL

8 安装 CUDA cuDNN TensorRT

这些驱动用于加速神经网络等的运行，请务必安装对应于 Jetpack 和 CUDA 版本的驱动，我之前安装的 cuDNN8.9.6 并不适配 CUDA11.4，导致无法进行卷积操作。
安装前通过 jtop 查看 Jetpack 的版本，如下图所示，可见，我的 Jetpack 版本为5.1.4，我选择 CUDA11.4，cuDNN8.6.0，TensorRT8.2.3。
在这里插入图片描述

（1）安装 CUDA

安装 CUDA

sudo apt-get update
sudo apt-get install cuda-toolkit-11-4

配置环境变量

sudo gedit ~/.bashrc

# 末尾插入以下内容并保存
export PATH=/usr/local/cuda-11.4/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

source ~/.bashrc

验证安装

nvcc -V

在这里插入图片描述

（2）安装 cuDNN

从NVIDIA官网下载cuDNN 安装包，选择 Linux aarch64 版本，我下载的是 cudnn-local-repo-ubuntu2004-8.6.0.163_1.0-1_arm64.deb

安装 cuDNN 本地包

sudo dpkg -i cudnn-local-repo-ubuntu2004-8.6.0.163_1.0-1_arm64.deb

可能存在GPG相关报错，将 GPG 密钥文件复制到 /usr/share/keyrings/ 目录

sudo cp /var/cudnn-local-repo-ubuntu2004-8.6.0.163/cudnn-local-04A93B30-keyring.gpg /usr/share/keyrings/

重新运行安装指令

更新本地软件源

sudo apt update

安装 cuDNN

sudo apt install libcudnn8

配置环境变量

sudo gedit ~/.bashrc

# 末尾插入以下内容并保存
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export CPATH=/usr/local/cuda/include:$CPATH
export PATH=/usr/local/cuda/bin:$PATH

source ~/.bashrc

验证安装

dpkg -l | grep libcudnn

在这里插入图片描述

（3）安装 TensorRT

从NVIDIA官网下载TensorRT 安装包，我下载的是 nv-tensorrt-repo-ubuntu2004-cuda11.4-trt8.2.3.0-ga-20220113_1-1_arm64.deb

安装 TensorRT 本地包

sudo dpkg -i nv-tensorrt-repo-ubuntu2004-cuda11.4-trt8.2.3.0-ga-20220113_1-1_arm64.deb

可能存在GPG相关报错，添加 GPG 密钥

sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub

重新运行安装指令

更新本地软件源

sudo apt update

安装 TensorRT

sudo apt-get install tensorrt

验证安装（安装中被升级到了 8.5.2 版本）

dpkg -l | grep TensorRT

在这里插入图片描述

9 安装 miniconda

安装 miniconda 以管理 python 环境，且方便未来迁移。由Anaconda官网下载 miniconda 安装包，我下载的是 Miniconda3-latest-Linux-aarch64.sh。

安装 miniconda

bash Miniconda3-latest-Linux-aarch64.sh

验证安装

conda -V

设置终端打开时不自动激活 conda 环境

conda config --set auto_activate_base false

设置终端默认激活特定的 conda 虚拟环境

conda config --set auto_activate_base false
# 配置环境变量，替换 env_name 为环境名
echo "conda activate env_name" >> ~/.bashrc
source ~/.bashrc

10 pip 使用国内镜像源

pip 使用国内镜像源

# 例如
pip3 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

11 安装 torch torchvision

安装 torch 和 torchvision，以更好地支持深度神经网络的运行。
根据 Jetpack 版本，选择对应的 torch 和 torchvision 版本，并下载，下载地址分别是 PyTorch for Jetson 和 pytorch / vision。
我的 Jetpack 版本为5.1.4，下载的分别是 torch-2.1.0a0+41361538.nv23.06-cp38-cp38-linux_aarch64.whl 和 vision-0.16.0.tar.gz。
非手动下载安装可参考这篇博文 PyTorch&Torchvision安装，下文是手动下载后安装。

（1）安装 torch

我安装在新建的 conda 环境 py38 中。

在 torch 安装包所在文件夹打开终端，进入 py38 环境

安装依赖项

sudo apt install libopenblas-dev

安装 torch

pip install torch-2.1.0a0+41361538.nv23.06-cp38-cp38-linux_aarch64.whl

验证安装

pip list

python
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.backends.cudnn.version())

在这里插入图片描述

（2）安装 torchvision

解压 vision

tar -zxvf vision-0.16.0.tar.gz -C 目标路径

进入 vision 解压包，进入 py38 环境

安装依赖项

sudo apt install libjpeg-dev libpng-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install ninja-build cmake
pip install numpy requests Pillow

编译安装 torchvision

# 设置环境变量
export BUILD_VERSION=0.16.0
# 编译安装 torchvision
python3 setup.py install --user

验证安装

pip list

python
import torchvision
print(torchvision.__version__)

在这里插入图片描述

12 conda 环境运行 ROS

小鱼一键安装 ROS，配置 rosdep

wget http://fishros.com/install -O fishros && . fishros

conda 虚拟环境安装 ROS 包

pip install rospkg rospy catkin_tools

ROS 在原生环境和 conda 环境下的运行测试参考该博文，如何在ROS中使用anaconda虚拟环境？

为了每次打开终端都能直接在 conda 环境下运行 ROS，有以下两种方法：

方法一：设置终端默认激活特定的 conda 虚拟环境
见 9 安装 miniconda

方法二：配置 conda 虚拟环境为默认 python 环境，以我创建的 py38 为例

将相关 ROS 程序第一行的环境路径更改为 conda 虚拟环境的路径，仅对当前程序有效。

#!/home/your_username/miniconda3/envs/py38/bin/python3

添加 conda 虚拟环境的环境变量到 .bashrc 文件中，对所有程序有效，且不受程序第一行环境路径影响。

# 末尾插入以下内容并保存，替换 your_username 为用户名
export PYTHONPATH=/home/your_username/miniconda3/envs/py38/lib/python3.8/site-packages:$PYTHONPATH

source ~/.bashrc

13 安装 PyCharm 和 VSCode

PyCharm下载地址
 VSCode下载地址
我分别下载的 pycharm-community-2024.3.tar.gz 和 code_1.83.1-1696982739_arm64.deb

（1）安装 PyCharm

可参考这篇博文ubuntu22.04下安装.tar.gz格式文件中的第二类软件安装过程。

解压

tar -zxvf pycharm-community-2024.3.tar.gz -C 目标路径

安装Java运行环境

sudo apt update
# 安装Java17
sudo apt install oracle-java17-installer
# 设置环境变量
sudo gedit ~/.bashrc
# 添加以下内容
export JAVA_HOME=/usr/lib/jvm/java-17-oracle
export PATH=$PATH:$JAVA_HOME/bin
# 重新加载环境变量
source ~/.bashrc

运行

cd 目标路径/bin
./pycharm.sh

运行后在软件设置中设置中文语言、创建桌面快捷方式。

（2）安装 VSCode

安装包路径下执行安装指令：

sudo dpkg -i code_1.83.1-1696982739_arm64.deb

从终端启动：

code
# 若code无法启动，或者启动后提留在界面不显示内容，请尝试以下指令
code --no-sandbox

从桌面快捷方式无法启动原因同上，具体解决方法请参考这篇博文Jetson Xavier NX安装VS Code无法启动问题解决

VSCode插件配置请参考的古月居ROS2开发环境配置

14 YOLOv8 目标检测

windows端训练过程参考这篇博文windows使用YOLOv8训练自己的模型

训练后部署到Jetson。确保 Jetson 安装了对应于 Jetpack 版本的 CUDA、cuDNN、TensorRT 驱动，python 环境中安装了相应版本的 torch、torchvision，版本错误可能导致无法进行卷积等操作。
部分代码如下：

        # YOLOv8实时检测（使用GPU加速）
        results = model.predict(
            source=frame,
            conf=0.5,  		# 置信度阈值
            imgsz=640,  	# 输入尺寸（越小越快）
            device="0",  	# 显式指定使用GPU 0
            half=True,  	# 启用FP16半精度推理（提升速度）
            verbose=False  	# 关闭冗余输出
        )

实现效果如下：
在这里插入图片描述
更加全面的 Jetson 配置 YOLOv11 环境，请参考该专栏Jetson配置YOLOv11环境

15 Yolov8_ros

此部分参考该博文，yolov8 ros 功能包
roslaunch usb_cam usb_cam-test.launch 输出图像的话题名为 /usb_cam/image_raw ，因此 yolo_v8.launch 中修改为此。
在这里插入图片描述
会报错找不到 yolov8_ros_msgs ，如下图所示。需要将工作空间的 setup.bash 添加到环境变量中。