jetson orin nano环境配置

此文仅作为环境安装简单记录，在开发板烧录已经完成的前提下

目录

一．浏览器安装

二．中文输入法安装

三．vscode安装

四．AI环境搭建

jtop安装

jetpack安装(可参考官方教程)

ONNX Runtime、CUDA、cudnn、TensorRT版本对应关系

cuda环境配置

cudnn环境配置

pytorch安装

tensorrt安装

判断安装的tensorrt以及onnxruntime是否可以使用GPU

一．浏览器安装

一开始安装了firefox，但是用不了，果断放弃安装了

二．中文输入法安装

一开始尝试安装搜狗输入法，但失败了，后安装了google-pinyin．步骤：

• 先安装Fcitx

sudo apt install fcitx-bin
sudo apt install fcitx-table

• 打开Language Support，将keyboard input method system设置为Fcitx，之后重启电脑

• 安装google-pinyin

sudo apt-get install fcitx fcitx-googlepinyin -y

• 在终端输入指令fcitx-config-gtk3，点击弹出的窗口左下角＋，添加google pinyin，打开浏览器测试输入法，若不成功可重启再试

三．vscode安装

尝试在vscode官网安装失败，后看到网友说是因为arm架构原因，三行代码可安装成功：

sudo apt update
wget -N -O vscode-linux-deb.arm64.deb https://update.code.visualstudio.com/latest/linux-deb-arm64/stable
sudo apt install ./vscode-linux-deb.arm64.deb 

四．AI环境搭建

• jtop安装

sudo apt update
sudo apt install python3-pip
sudo -H pip3 install -U pip
sudo -H pip install jetson-stats

jtop是jetson系列的监控工具，可用来查看jetpack版本号，cpu以及gpu等的使用情况，如下：

• jetpack安装(可参考官方教程)

sudo apt update
sudo apt dist-upgrade
sudo reboot
sudo apt install nvidia-jetpack

jetpack内包含tensorrt，cuda，cudnn，opencv等ai推理所需要的库，安装完成后可以通过指令查看库版本号

sudo jetson_release

• ONNX Runtime、CUDA、cudnn、TensorRT版本对应关系

onnxruntime与onnx版本对应关系：Compatibility | onnxruntime

onnxruntime与onnx与tensorrt版本对应关系：NVIDIA - TensorRT | onnxruntime

onnxruntime与cuda与cudnn版本对应关系：NVIDIA - CUDA | onnxruntime

• cuda环境配置

##打开环境配置文件
sudo vi ~/.bashrc

##将以下内容添加到~/.bashrc中
export LD_LIBRARY_PATH=/usr/local/cuda/lib64
export PATH=/usr/local/cuda/bin:$PATH
export CUDA_HOME=/usr/local/cuda

##刷新~/.bashrc文件
source ~/.bashrc

确认安装成功并查看版本号

• cudnn环境配置

#复制文件到cuda目录下
sudo cp /usr/include/cudnn* /usr/local/cuda/include
sudo cp -P /usr/lib/aarch64-linux-gnu/libcudnn* /usr/local/cuda/lib64

#修改文件权限，修改复制完的头文件与库文件的权限，所有用户都可读，可写，可执行：
sudo chmod 777 /usr/local/cuda/include/cudnn.h 
sudo chmod 777 /usr/local/cuda/lib64/libcudnn*

验证cudnn是否配置成功

##以下数字９根据cudnn版本而定
sudo cp -r /usr/src/cudnn_samples_v9/ ~/
cd ~/cudnn_samples_v9/mnistCUDNN
sudo chmod 777 ~/cudnn_samples_v9
sudo make clean && sudo make
./mnistCUDNN

显示下图为测试成功

• pytorch安装

其他安装方法：安装包链接：Log in | NVIDIA Developer

1. pip安装（成功）

   pip install tensorrt

2. deb安装（没试过）
3. tar安装（成功）

   # 下载tar.gz压缩包后解压
   tar -xzvf TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.8.tar.gz # 解压文件
   
   # 将lib添加到环境变量里面 
   vim ~/.bashrc
   export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:./TensorRT-8.6.1.6/lib
   source ~/.bashrc
   
   # 或 直接将 TensorRT-8.6.1.6/lib /include 添加到 cuda/lib64 /include 里面
   cp -r ./lib/* /usr/local/cuda/lib64/
   cp -r ./include/* /usr/local/cuda/include/
   
   # 安装python的包
   cd TensorRT-8.6.1.6/python
   pip install tensorrt-xxx-none-linux_x86_64.whl
   
   #　测试是否安装成功
   import tensorrt
   print(tensorrt.__version__)
   assert tensorrt.Builder(tensorrt.Logger())
   #　无报错则安装成功

• 判断安装的tensorrt以及onnxruntime是否可以使用GPU

  import tensorrt
  print(tensorrt.__version__)
  assert tensorrt.Builder(tensorrt.Logger())
  

  

  import onnxruntime
  onnxruntime.get_device()
  onnxruntime.get_available_providers()

  

参考链接：

https://blog.csdn.net/m0_72964506/article/details/142878662

https://www.jianshu.com/p/bc3b3901a159

https://blog.csdn.net/fq9200/article/details/128959274