NVIDIA Jetson nano环境配置上
NVIDIA JetPack SDK 是构建 AI 应用程序的最全面的解决方案。

2GB版本没有网卡,直接手机USB网络共享
sudo apt-get update
sudo apt-get upgrade
升级一下
https://docs.nvidia.com/jetson/jetpack/index.html
具体的资料来源在这里
sudo apt update
sudo apt install nvidia-jetpac
安装一下SDK包
sudo apt show nvidia-jetpack

版本为4.5.1
https://developer.nvidia.com/embedded/jetpack-archive

可以看到是最新的SDK了
https://docs.nvidia.com/deeplearning/tensorrt/release-notes/tensorrt-7.html#rel_7-1-3
安装好了张量RT
为深度学习应用的生产部署提供高性能神经网络推理引擎,
它可用于优化、验证和部署经过训练的神经网络
https://developer.nvidia.com/zh-cn/cudnn
cuDNN,NVIDIA CUDA 深层神经网络库
https://docs.nvidia.com/cuda/archive/10.2/cuda-toolkit-release-notes/index.html#title-new-features
CUDA 10.2
https://docs.nvidia.com/jetson/l4t-multimedia/index.html
多媒体接口
硬盘录像机/NVR
IVA摄像头监控
无人机
机器人
接口可以做这些应用

自带的demo
https://docs.opencv.org/3.3.0/
Opencv的官网

https://docs.nvidia.com/jetson/archives/l4t-archived/l4t-325/index.html#page/Tegra%20Linux%20Driver%20Package%20Development%20Guide/software_features_jetson_nano.html#wwpID0EIHA

jetson的相机构架


https://developer.nvidia.com/gameworksdownload#?dn=nsight-systems-2021-2-1-58
https://docs.nvidia.com/jetson/archives/l4t-archived/l4t-325/index.html#page/Tegra%20Linux%20Driver%20Package%20Development%20Guide/downloads.html#
这个链接指向很多资料的地址
https://developer.nvidia.com/zh-cn/embedded/downloads
这个地址是支持直接下载

nvcc报错
export LD_LIBRARY_PATH=/usr/local/cuda/lib
export PATH=$PATH:/usr/local/cuda/bin

添加到路径里面

重新刷写,成功
# 查看版本号
# CUDA
cat /usr/local/cuda/version.txt
# cudnn
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

在这里输出

各种支持文件
echo $PATH
显示环境变量
/usr/local/sbin:
/usr/local/bin:
/usr/sbin:
/usr/bin:
/sbin:/bin:
/usr/games:
/usr/local/games:
/snap/bin:
/usr/local/cuda/bin
看最后我们的路径

nvcc -V

经过查看,有两个cuda
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.2/lib64
export PATH=$PATH:/usr/local/cuda-10.2/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.2
和上面一样,写入三个变量

就像这样

立即生效

打印版本
cd /usr/src/cudnn_samples_v7/mnistCUDNN
sudo make
sudo chmod a+x mnistCUDNN
./mnistCUDNN
自带了一些源码,测试

出现这个就成功了

看看python的情况

你看有的版本。后面加个m是什么意思呀
以m
结尾的版本是用C函数malloc,
的一个非常特殊的版本编译的,它在python应用程序中的速度更快。

https://www.python.org/dev/peps/pep-3149/

定位到bin目录下
ls -lh | grep python


3的版本就是3.6的版本
那就是个软连接的意思了
whereis python
找下路径
python:
/usr/bin/python3.6
/usr/bin/python2.7
/usr/bin/python
/usr/bin/python3.6m
/usr/bin/python2.7-config
/usr/bin/python3.6-config
/usr/bin/python3.6m-config
/usr/lib/python3.6
/usr/lib/python2.7
/usr/lib/python3.7
/usr/lib/python3.8
/etc/python3.6
/etc/python2.7
/etc/python
/usr/local/lib/python3.6
/usr/local/lib/python2.7
/usr/include/python3.6
/usr/include/python2.7
/usr/include/python3.6m
/usr/share/python
我重新排版

位置在这里,我觉得版本很合适了

最终确认

调整优先级解决jetson Nano中python版本问题(Ubuntu系统都适用)
可以看我以前的文章

看了一下,配置的情况

看看pip的情况

我们都找一下他的目录

看看pip有多少

pip好像不用设置,就不设置了

更新下pip

opencv版本
dpkg -l | grep -i cuda

可以搜索出来相关的CUDA应用




自带的
python -m pip install --upgrade pip --force-reinstall

python -m pip -V
看看版本
sudo apt-get install libssl-dev libffi-dev python-dev build-essential libxml2-dev libxslt1-dev
sudo pip install jupyter notebook
新版本缺东西,安装一下

真是气抖冷。。。
赞 (0)