本文主要是介绍Jetson Orin安装部署和使用(1),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
Jetson Orin使用
一、 安装NVIDIA-jetpack和基础开发环境
1、修改deb source
sudo bash -c 'echo "deb https://repo.download.nvidia.com/jetson/common r34.1 main" >> /etc/apt/sources.list.d/nvidia-l4t-apt-source.list'sudo bash -c 'echo "deb https://repo.download.nvidia.com/jetson/t234 r34.1 main" >> /etc/apt/sources.list.d/nvidia-l4t-apt-source.list'
cat /etc/apt/sources.list.d/nvidia-l4t-apt-source.list
2、更换镜像源
备份源:
sudo mv /etc/apt/sources.list /etc/apt/sources.list.bak
sudo vim /etc/apt/sources.list
更换为清华源:
\#加⼊清华源,或者其他的⽐如阿⾥云,中科⼤,⾖瓣等等都可以
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-updates main restricted universe multiverse deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-updates main restricted universe multiversedeb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-security main restricted universe multiverse deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-security main restricted universe multiverse
# 默认注释了源码镜像以提高 apt update 速度,如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-backports main restricted universe multiverse# 以下安全更新软件源包含了官方源与镜像站配置,如有需要可自行修改注释切换
deb http://ports.ubuntu.com/ubuntu-ports/ focal-security main restricted universe multiverse
# deb-src http://ports.ubuntu.com/ubuntu-ports/ focal-security main restricted universe multiverse# 预发布软件源,不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-proposed main restricted universe multiverse
# # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-proposed main restricted universe multiverse
3、安装jetpack
sudo apt update
sudo apt dist-upgrade # 20分钟左右 更新319个 新增了5个
sudo reboot
在这⾥必须执⾏⼀次重启的动作,否则会出现⼀些不稳定的现象。重启之后只要执⾏以下指令即可
sudo apt install nvidia-jetpack
出现问题:the following packages have unmet dependencies nvidia-jetpack-runtime(5.0.1-b118)?
sudo apt-get install nvidia-jetpack-runtime=5.0.1-b118 nvidia-jetpack-dev=5.0.1-b118
4、验证jetpack安装
sudo apt show nvidia-jetpack
# jetpack 中已经安装了docker和nvidia-docker,存在triton / deepStream使用需求时可直接通过docker启动
5、预安装必要的软件
sudo apt-get -y install cmake libopenblas-base libopenmpi-dev autoconf bc build-essential g++-8 gcc-8 clang-8 lld-8 gettext-base gfortran-8 iputils-ping libbz2-dev libc++-dev libcgal-dev libffi-dev libfreetype6-dev libhdf5-dev libjpeg-dev liblzma-dev libncurses5-dev libncursesw5-dev libpng-dev libreadline-dev libssl-dev libsqlite3-dev libxml2-dev libxslt-dev locales moreutils openssl python-openssl rsync scons pythons-pip libopenblas-dev libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
二、GPU监测工具安装
sudo -H pip install jetson-stats
sudo jtop
jtop窗口查看:jetson-stats 4.2.1(rnext.it)
1、安装jtop系统监控工具
sudo apt install python3-pip
sudo -H pip3 install -U pip
sudo -H pip install jetson-stats==4.0.0rc1
2、启动监控工具
jtop # 上面操作后需要reboot有效
三、整理cudatookit、cudnn、trtexec工具
安装步骤:
Perform the following steps to install CUDA and verify the installation.
-
Install the repository meta-data, install GPG key, update the apt-get cache, and install CUDA:
$ sudo dpkg --install cuda-repo-<distro>-<version>.<architecture>.deb $ sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/<distro>/<architecture>/7fa2af80.pub $ sudo apt-get update $ sudo apt-get install cuda
cuda-repo-ubuntu2004-11-4.aarch64.deb
-
Reboot the system to load the NVIDIA drivers.
-
Set up the development environment by modifying the PATH and LD_LIBRARY_PATH variables:
$ 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}}
-
Install a writable copy of the samples then build and run the nbody sample:
$ cuda-install-samples-11.4.sh ~ $ cd ~/NVIDIA_CUDA-11.4_Samples/5_Simulations/nbody $ make $ ./nbody
Note: Run samples by navigating to the executable’s location, otherwise it will fail to locate dependent resources.
在 Jetson AGX Orin 设备上,你可以通过以下方式来查询 <distro>
、<version>
和 <architecture>
这三个参数:
-
(发行版名称):
-
打开终端。
-
运行
lsb_release -a
命令来查看你的 Linux 发行版信息。对于基于 Ubuntu 的系统,输出会包含 “Ubuntu” 以及版本号(例如 “Ubuntu 18.04”)。注意这里的<distro>
应该是ubuntu<版本号>
的格式,不包括点号。本设备得到:ubuntu2004
-
-
(CUDA 版本号):
-
CUDA 的版本号通常是你想要安装的版本,而不是通过查询系统来获得的。但是,如果你已经安装了 CUDA 并且想要查询已安装的版本,可以查看
/usr/local/cuda
目录下的版本号或者通过nvcc --version
命令来查看。本设备准备安装:11-4
-
-
(系统架构):
- Jetson AGX Orin 设备是基于 ARM 架构的,具体来说是
arm64
(也被称为aarch64
)。你可以通过uname -m
命令来确认这一点,该命令会返回你的系统架构。
本设备得到:aarch64
- Jetson AGX Orin 设备是基于 ARM 架构的,具体来说是
示例:
-
查询发行版名称:
bashlsb_release -a
输出可能类似于:
No LSB modules are available. Distributor ID: Ubuntu Description: Ubuntu 20.04.4 LTS Release: 20.04 Codename: focal
在这种情况下,
<distro>
应该是ubuntu2004
(假设你希望与 CUDA 11.x 系列的.deb
包兼容)。 -
查询系统架构:
bashuname -m
输出应该是
aarch64
。 -
假设你已经下载了 CUDA 的
.deb
安装包,并且知道你想要安装的 CUDA 版本号(例如 11.4),那么你就可以使用这些信息来安装 CUDA。例如:bashsudo dpkg --install cuda-repo-ubuntu1804-11-4-local_<具体版本号>_arm64.deb
注意替换
<具体版本号>
为实际的.deb
文件名中的版本号部分。
最后,不要忘记在安装 CUDA 之后运行 sudo apt update
和 sudo apt install cuda
(或相应的安装命令)来完成 CUDA 的安装。同时,请确保你遵循了 NVIDIA 提供的针对 Jetson 设备的官方安装指南。
1、CUDA
在使用 dpkg
安装 NVIDIA CUDA 的 .deb
安装包时,<distro>
、<version>
和 <architecture>
需要根据你的实际系统和包的内容来替换。以下是如何选择这些配置项的指南:
-
:
这通常指的是你的 Linux 发行版的名称。例如,如果你使用的是 Ubuntu 18.04,那么<distro>
就是ubuntu1804
。对于其他发行版,如 Debian、CentOS 等,你需要找到与你的发行版相对应的字符串。 -
:
这指的是 CUDA 的版本号。例如,如果你正在安装 CUDA 11.4,那么<version>
就是11-4
。注意这里通常不包括点号(.
)。 -
:
这指的是你的系统架构。对于大多数现代的 Jetson 设备,包括 Jetson Orin,这通常是arm64
(也被称为aarch64
)。 -
安装步骤:
基于上面的信息,如果你的 CUDA.deb
安装包名为cuda-repo-ubuntu1804-11-4-local_11.4.0-470.42.01-1_arm64.deb
(注意这是一个假设的名字),那么安装命令应该是:bashsudo dpkg --install cuda-repo-ubuntu1804-11-4-local_11.4.0-470.42.01-1_arm64.deb
本设备安装命令:
bashsudo dpkg --install cuda-repo-ubuntu2004-11-4-local_11.4.0-470.42.01-1_arm64.deb
https://developer.nvidia.com/cuda-toolkit-archive
https://developer.nvidia.com/cuda-11-4-4-download-archive?target_os=Linux&target_arch=arm64-sbsa&Compilation=Native&Distribution=Ubuntu&target_version=20.04&target_type=deb_network
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/sbsa/cuda-ubuntu2004.pin sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/sbsa/7fa2af80.pub sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/sbsa/ /" sudo apt-get update sudo apt-get -y install cuda
接下来,你需要添加 NVIDIA 的公钥到你的 APT 密钥环中。但是,请注意,对于 Jetson 设备,你可能不需要直接从 NVIDIA 的网站下载公钥,因为
.deb
安装包可能已经包含了所需的签名。但是,如果确实需要,你可以使用以下命令(注意替换<distro>
和<architecture>
):bashsudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/<distro>/<architecture>/7fa2af80.pub
但是,请再次注意,对于 Jetson 设备,你可能不需要这一步,因为 NVIDIA 可能已经通过其他方式提供了所需的签名。
-
更新软件源并安装 CUDA:
在安装了.deb
文件之后,你可能需要更新你的软件源列表并安装 CUDA。这通常可以通过以下命令完成:sudo apt update sudo apt install cuda
但是请注意,具体的安装命令可能会因 CUDA 的版本和你的系统配置而有所不同。
-
检查 CUDA 安装:
安装完成后,你可以通过运行nvcc --version
来检查 CUDA 是否已成功安装。
1.2 安装失败,清理
在Jetson AGX Orin设备的系统中,如果CUDA安装失败,你可以按照以下步骤来清理环境并重新安装:
1. 卸载已安装的CUDA(如果存在)
如果之前已经安装过CUDA,首先需要将其卸载。这通常可以通过系统的包管理工具来完成。在基于Debian的Linux发行版(如Ubuntu)上,你可以使用以下命令来卸载CUDA:
bashsudo apt-get remove --purge cuda*
这条命令会卸载所有与CUDA相关的软件包。
2. 清理残留的CUDA文件
除了通过包管理工具卸载CUDA软件包之外,还可能需要手动删除一些残留的文件和目录。这些文件和目录可能包括CUDA的安装目录、配置文件、环境变量设置等。在标准的Linux系统中,CUDA通常安装在/usr/local/cuda
目录下。你可以使用以下命令来删除这个目录(如果它存在):
bashsudo rm -rf /usr/local/cuda*
同时,检查并删除任何与CUDA相关的环境变量设置,这些设置可能位于你的shell配置文件(如~/.bashrc
、~/.bash_profile
或~/.zshrc
等)中。
3. 清理系统缓存和依赖关系
使用包管理工具来清理系统的缓存和依赖关系,以确保没有残留的CUDA文件或配置影响新的安装。在基于Debian的Linux发行版上,可以使用以下命令:
sudo apt-get autoclean
sudo apt-get autoremove
4. 重新启动系统
在清理完CUDA相关的文件和配置后,建议重新启动系统以确保所有的更改都已生效。
5. 重新安装CUDA
在清理完环境后,你可以按照NVIDIA官方提供的安装指南来重新安装CUDA。确保选择与你的Jetson AGX Orin设备兼容的CUDA版本,并按照指南中的步骤进行操作。在安装过程中,注意选择正确的安装选项和配置,以避免之前遇到的问题。
注意事项
- 在进行任何系统级的更改之前,建议备份你的重要数据以防止意外丢失。
- 如果你不确定如何执行某些步骤或担心可能会破坏系统,请寻求专业人士的帮助或参考官方文档。
- 确保你的系统满足CUDA安装的最低要求,并检查是否有任何已知的硬件或软件兼容性问题。
通过遵循上述步骤,你应该能够成功清理CUDA的安装环境并重新安装它。
1.3 方式
方式一:
vi ~/.bashrcexport PATH=/usr/local/cuda-11/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11/lib64:$LD_LIBRARY_PATH export CUDA_ROOT=/usr/local/cuda-11#使资源⽣效
source ~/.bashrc
nvcc -V
方式二:软链接
sudo ln -s /usr/local/cuda-11 /usr/local/cudasudo vim /etc/profile# 在文件末尾添加加入
export PATH=/usr/local/cuda-11/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-11# 验证cudatookit
source /etc/profilenvcc -V在修改了 /etc/profile 文件后,您通常需要重新加载这个文件(或重新启动终端会话)以使更改生效。您可以使用以上命令来重新加载/etc/profile 文件
2、CUDNN
方式一:
dpkg -l libcudnn8
方式二:
sudo cp /usr/include/cudnn.h /usr/local/cuda-11/include
sudo cp /usr/lib/aarch64-linux-gnu/libcudnn* /usr/local/cuda-11/lib64/
sudo chmod 777 /usr/local/cuda-11/include/cudnn.h /usr/local/cuda-11/lib64/libcudnn*# 验证和更新链接库
cd /usr/local/cuda-11/lib64
ll libcudnn* #有东西
sudo ldconfig# 测试cudnn
sudo cp -r /usr/src/cudnn_samples_v8/ /tmp/
cd /tmp/cudnn_samples_v8/conv_sample
sudo make clean
sudo make
./conv_sample
3、trtexec TensorRT
方式1:
dpkg -l tensorrt
方式2:
ln -s /usr/src/tensorrt/bin/trtexec /usr/bin/trtexec
验证tensorrt安装正确与否
sudo chmod -R 777 /usr/src/tensorrt
cd /usr/src/tensorrt/samples/sampleINT8/
sudo make
cd ../../bin/
./sampleINT8
4、OpenCV
方式1:
dpkg -l libopencv
四、安装pythorch开发环境
方式1:
-
官网下载安装包
-
安装java
sudo apt-get install openjdk-11-jdk
java--version
- 配置环境变量
sudo vim ~/.bashrc
export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-arm64
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
source ~/.bashrc
- 安装
cd ~/Downloads/pycharm-community-2020.3.2/bin
chmod +x ~/Downloads/pycharm-community-2020.3.2/bin/pycharm.sh
sh ./pycharm.sh
这篇关于Jetson Orin安装部署和使用(1)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!