本文主要是介绍Jetson Nano 系统刻录，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 Nano 系统刻录
简介
NVIDIA® Jetson Nano™ 开发者套件是一款专为创客、学习者和开发者打造的小型 AI 计算机。学习此简要指南后，您将能开始构建实用 AI 应用程序、炫酷的 AI 机器人以及其他精彩作品。
必备硬件：
Jetson Nano板：
MicroSD卡：Jetson Nano 开发者套件将 microSD 卡用作启动设备和主存储器。请务必为项目准备一个至少 32GB UHS-I 卡。并根据您使用的计算机类型（Windows、Mac 或 Linux）以刷写形式向您的 microSD 卡写入镜像。
网线，读卡器
1、工具下载
1.1、Nano系统下载和解压缩：
1.1.1、NVIDIA DLI Jetson Nano SD卡镜像下载
路径：NVIDIA DLI Jetson Nano SD卡镜像 或：\192.168.1.251\1项目-0教育-1机器视觉\Nano实验板\0_实验系统\jetson-nano-jp451-sd-card-image.zip
选择自己的Nano板所需的NVIDIA DLI Jetson Nano SD卡镜像系统。
1.1.2、Nano解压缩
1.2、在Windows上格式化MicroSD卡
使用 SD 协会的 SD Memory Card Formatter 格式化 microSD 卡。
a、下载安装并启动Windows 版 SD Memory Card Formatter
b、选择卡驱动器
c、选择”Quick format“（快速格式化）
d、将“Volume label”（卷标）留空
e、单击”Format“（格式化）开始格式化，然后在警告对话框中单击Yes（是）
1.3、balenaEtcher刻录系统工具下载安装
a、下载路径：balenaEtcher 或：\192.168.1.251\1项目-0教育-1机器视觉\Nano实验板\0_实验系统\balenaEtcher-Setup-1.5.45.exe
点击下载并安装：
b、安装：
点击我同意后一路安装成功。
1.4、刻录系统
双击打开balenaEtcher依次选择如下步骤：
第一步选择.img文件
第二步选择需要刻录的SD卡
第三步点击Flash：
烧录过程开始：
正在烧录进SD卡
等待一会后完成，Etcher 操作完成后，Windows 可能会提示您它不知如何读取 SD 卡。此时只需单击“Cancel”（取消），然后删除 microSD 卡。
1.5、首次启动
a、接通电源和插入网线
b、将MicroSD卡插入Jetson Nano板子
c、使用HDMI连接显示器，将鼠标、键盘插入Jetson Nano板页面显示如下：
d、下载NoMachine 或 \192.168.1.251\1项目-0教育-1机器视觉\Nano实验板\0_实验系统\nomachine_6.11.2_1_arm64_ubuntu.deb 并安装
2、开始使用Jetson Nano（B01）
2.1、删除无用的一些软件，依次在终端执行以下命令：
sudo apt-get purge libreoffice* sudo apt-get clean sudo apt autoremove
2.2、更换下载源为国内源
2.2.1、备份source.list
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
2.2.2、修改
sudo gedit /etc/apt/sources.list
2.2.3、替换
弹出如上窗口后替换为如下内容后点击右上角Save。
(若出现无法更新情况，点击链接copy后，重新写入：【Jetson-Nano】jetson_nano安装环境配置及tensorflow和pytorch的安装_牛andmore牛的博客-CSDN博客)
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe
2.2.4、更新
在终端输入如下命令：
sudo apt-get update
结束后接着输入如下命令：
sudo apt-get full-upgrade
2.3、CUDA
输入nvcc -V 查看是否具备CUDA
此时是查询不到CUDA的（实际jetson nano 是已经具备CUDA的，但需要把CUDA的路径写入环境变量），需要依次进行以下操作：
2.3.1、编辑CUDA路径
通过如下命令编辑文件：
sudo gedit ~/.bashrc
在弹出的文件夹的最后面添加如下内容：
弹出如上窗口后替换为如下内容后点击右上角Save。
export CUDA_HOME=/usr/local/cuda-10.2 export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH export PATH=/usr/local/cuda-10.2/bin:$PATH
如上内容需要根据自己Nano板子来，在路径/usr/local中查看：
最后执行如下语句激活该文件：
source ~/.bashrc
验证cuda是否已添加进环境路径：
nvcc -V
出现以上内容说明CUDA已经添加进环境路径
2.3.2、运行cudnn例子验证CUDA
cd /usr/src/cudnn_samples_v8/mnistCUDNN #进入例子目录 cudnn_samples_v8需要进行路径/usr/src中查看 sudo make #编译一下例子 sudo chmod a+x mnistCUDNN # 为可执行文件添加执行权限 ./mnistCUDNN # 执行
依次输入如上指令进行验证：
出现如下结果表示CUDA和cudnn环境变量安装成功：
2.4、安装TensorFlow-GPU
2.4.1、安装pip
sudo apt-get install python3-pip
输入如上命令后等待完成
完成后对pip进行升级：
sudo pip3 install -U pip testresources setuptools==49.6.0
2.4.2、依次安装tensorflow依赖库和python依赖库
# 此处需要按这个TensorFlow到python的依赖库顺序安装 # TensorFlow依赖库 sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran # python依赖库 sudo pip3 install -U numpy==1.16.1 future==0.18.2 mock==3.0.5 h5py==2.10.0 keras_preprocessing==1.1.1 keras_applications==1.0.8 gast==0.2.2 futures protobuf pybind11
依次输入如上命令进行安装：
2.4.3、安装TensorFlow2.X版本或者1.15.版本
# TF-2.x $ sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v45 tensorflow # TF-1.15 $ sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v45 ‘tensorflow<2’
此处可能长达半个小时到一个小时！！！！！
漫长的等待之后，所有的安装包完成，开始验证TensorFlow是否完整安装：
出现如下错误：
Illegal instruction (core dumped)
解决方案如下
第一种方案： 可以使用临时添加方法，在运行Python指令前运行：export OPENBLAS_CORETYPE=ARMV8 第二种方案： 将“export OPENBLAS_CORETYPE=ARMV8”加入到“~/.bashrc”中
第一种方案操作如下：
第二种解决方案如下：
sudo gedit ~/.bashrc
输入如上命令在弹出的文件添加如下内容：
export OPENBLAS_CORETYPE=ARMV8
点击右上角保存后按如下命令更新文件：
source ~/.bashrc
验证如下：
2.5、安装PyTorch和Torchvision
2.5.1、安装PyTorch
# 能科学上网的情况下使用以下命令行 wget https://nvidia.box.com/shared/static/p57jwntv436lfrd78inwl7iml6p13fzh.whl -O torch-1.8.0-cp36-cp36m-linux_aarch64.whl
或者：
在官网提供的路径下，下载自己所需要的PyTorch版本，注意系统能够支撑的PyTorch版本。
将文件传入Nano板后在该文件夹下右击打开终端输入以下命令：
pip install torch-1.6.0-cp36-cp36m-linux_aarch64.whl
安装后输入一下程序验证：
import torch
print(torch.__version__)
print('CUDA available: ' + str(torch.cuda.is_available()))
a = torch.cuda.FloatTensor(2).zero_()
print('Tensor a = ' + str(a))
b = torch.randn(2).cuda()
print('Tensor b = ' + str(b))
c = a + b
print('Tensor c = ' + str(c))
接着依次输入以下命令：
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev # pip3 install Cython # pip3 install numpy torch-1.8.0-cp36-cp36m-linux_aarch64.whl
安装Torchvision
$ sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev $ git clone --branch https://github.com/pytorch/vision torchvision # see below for version of torchvision to download $ cd torchvision $ export BUILD_VERSION=0.x.0 # where 0.x.0 is the torchvision version $ python3 setup.py install --user $ cd ../ # attempting to load torchvision from build dir will result in import error $ pip install 'pillow<7' # always needed for Python 2.7, not needed torchvision v0.5.0+ with Python 3.6
PyTorch v1.0 - torchvision v0.2.2 PyTorch v1.1 - torchvision v0.3.0 PyTorch v1.2 - torchvision v0.4.0 PyTorch v1.3 - torchvision v0.4.2 PyTorch v1.4 - torchvision v0.5.0 PyTorch v1.5 - torchvision v0.6.0 PyTorch v1.6 - torchvision v0.7.0 PyTorch v1.7 - torchvision v0.8.1 PyTorch v1.8 - torchvision v0.9.0
依次输上命令行获得以下结果：
2.6、Jupyter Lab
安装一些依赖
sudo apt install nodejs npm
安装另一些依赖
sudo apt install libffi-dev
安装jupyterLab
pip3 install jupyter jupyterlab
这篇关于Jetson Nano 系统刻录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！
