目录
一、安装Anaconda
二、conda换源
三、Cuda、Cudnn安装
四、jtop 安装
五、查看安装情况
六、cuDNN环境配置
七、pytorch安装
八、安装torchvision
九：Tensorrt安装
拿到一台Jetson AGX Orin，准备搭建AI环境，搭建过程中参考不少文章，也踩了不少坑，特此记录一下。
一、安装Anaconda
清华镜像下载Linux版本的anaconda：
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirro
寻找aarch64的shell包，我选择的是Anaconda3-.11-Linux-aarch64.sh
chmod +x Anaconda3-.11-Linux-aarch64.sh ./Anaconda3-.11-Linux-aarch64.sh
安装成功后，系统提示conda命令找不到，执行以下命令：
# 将anaconda的bin目录加入PATHecho 'export PATH="~/anaconda3/bin:$PATH"' >> ~/.bashrc# 更新bashrc以立即生效source ~/.bashrc
conda初始化
conda init
二、conda换源
#查看目前已有的镜像conda config --show channels#添加清华源conda config --add channels https://mirrors.tuna./anaconda/pkgs/free/建议下面也全部添加，虽然有些可能用不到，但是实际包含比较冷门的包conda config --add channels http://mirrors.tuna./anaconda/pkgs/main/conda config --add channels http://mirrors.tuna./anaconda/cloud/fastai/#从channel中安装包时显示channel的url,这样就可以知道包的安装来源conda config --set show_channel_urls yes#验证一下配置是否成功conda config --show channels
三、Cuda、Cudnn安装
安装Jetpack，Jetpack可以理解为Jetson系列板上的软件开发工具包，apt安装Jetpack时默认直接装上与jetson版本号适配的cuda、cudnn、TensorRT！
首先检查 L4T 版本
cat /etc/nv_tegra_release
# R34 (release), REVISION: 1.1, GCID: 30414990, BOARD: t186ref, EABI: aarch64, DATE: Tue May 17 04:20:55 UTC
我的是L4T 34.1.0 的版本，添加源，不加的话安装nvidia-jetpack会出现“Unable to locate package nvidia-jetpack”错误
sudo bash -c 'echo "deb https://repo./jetson/common r34.1 main" >> /etc/apt/sources.list.d/nvidia-l4t-apt-source.list'sudo bash -c 'echo "deb https://repo./jetson/t234 r34.1 main" >> /etc/apt/sources.list.d/nvidia-l4t-apt-source.list'
开始安装
sudo apt upgradesudo apt updatesudo apt dist-upgradesudo rebootsudo apt install nvidia-jetpack
四、jtop 安装
jtop 是一个基于 Python 编写的交互式系统监视器，类似于 Linux 上的 top 命令。它可以实时显示系统资源使用情况、进程信息、网络连接状态等。
# 需要使用 pip3 来安装 jtop，所以先安装 pip3sudo apt install python3-pip# 安装jtopsudo -H pip3 install -U jetson-stats# 重启系统sudo reboot
五、查看安装情况
sudo jetson_release
发现CUDA没有安装成功，不应该！
查看/user/local目录发现CUDA 已经安装成功了，出现了cuda、cuda-11、cuda-11.4三个文件夹
使用ls -ll命令发现cuda文件夹是个软链接，指向了cuda-10.2，修改一下软链接：
ln -s cuda-11.4 cuda
配置Cuda环境变量
#打开~/.bashrcsudo vim ~/.bashrc#在文本末输入如下代码：export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64export PATH=$PATH:/usr/local/cuda/binexport CUDA_HOME=$CUDA_HOME:/usr/local/cuda#更新环境变量配置source ~/.bashrc
查看cuda版本
nvcc -V
说明CUDA环境可以正常识别了，用sudo jetson_release再次查看：
一切正常！！！
六、cuDNN环境配置
cuDNN的头文件在：/usr/include，库文件位于：/usr/lib/aarch64-linux-gnu。将头文件与库文件复制到cuda目录下：
#复制文件到cuda目录下cd /usr/include && sudo cp cudnn* /usr/local/cuda/includecd /usr/lib/aarch64-linux-gnu && sudo cp 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*#重新软链接，这里的8.4.1和8对应安装的cudnn版本号和首数字cd /usr/local/cuda/lib64sudo ln -sf libcudnn.so.8.4.1 libcudnn.so.8sudo ln -sf libcudnn_ops_train.so.8.4.1 libcudnn_ops_train.so.8sudo ln -sf libcudnn_ops_infer.so.8.4.1 libcudnn_ops_infer.so.8sudo ln -sf libcudnn_adv_train.so.8.4.1 libcudnn_adv_train.so.8sudo ln -sf libcudnn_adv_infer.so.8.4.1 libcudnn_adv_infer.so.8sudo ln -sf libcudnn_cnn_train.so.8.4.1 libcudnn_cnn_train.so.8sudo ln -sf libcudnn_cnn_infer.so.8.4.1 libcudnn_cnn_infer.so.8sudo ldconfig
测试Cudnn：
在执行sudo make clean && sudo make命令编译时出现错误：
test.c:1:10: fatal error: FreeImage.h: 没有那个文件或目录
#include “FreeImage.h”
^~~~~~~~~~~~~
compilation terminated.
所以先安装库，再编译
sudo apt-get install libfreeimage3 libfreeimage-dev
安装成功后，使用cudnn自带的例子测试一下cudnn
sudo cp -r /usr/src/cudnn_samples_v8/ ~/cd ~/cudnn_samples_v8/mnistCUDNNsudo chmod 777 ~/cudnn_samples_v8sudo make clean && sudo make./mnistCUDNN
出现Test passed!说明cudnn安装成功！
七、pytorch安装
conda创建新环境，python版本最好选择3.8，不要问我为什么🤣
conda create -n torch3.8 python=3.8conda activate torch3.8
pytorch版本不能随意安装，必须安装英伟达编译的好的库文件，可通过以下命令查看Jetpack版本号：
sudo apt-cache show nvidia-jetpack
我是Jetpack5.0.1，选择1.12.0版本的pytorch，官网地址：
PyTorch for Jetson - Jetson & Embedded Systems / Jetson Nano - NVIDIA Developer Forums
开始安装：
安装 PyTorch 所需的系统软件包：
sudo apt-get -y update; sudo apt-get -y install 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 python3-pip libopenblas-dev;
接下来，通过以下步骤安装 PyTorch：
使用以下命令导出
export TORCH_INSTALL=https://developer./compute/redist/jp/v50/pytorch/torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl
安装 PyTorch。
python3 -m pip install --upgrade pip; python3 -m pip install aiohttp numpy=='1.19.4' scipy=='1.5.3' export "LD_LIBRARY_PATH=/usr/lib/llvm-8/lib:$LD_LIBRARY_PATH"; python3 -m pip install --upgrade protobuf; python3 -m pip install --no-cache $TORCH_INSTALL
安装过程中，如果出现异常无法找到nvcc等相关错误，重启一下就可以。
八、安装torchvision
官方没有whl文件，需要运行如下代码安装：
sudo apt-get updatesudo apt-get upgradesudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev git clone --branch v0.13.0 /pytorch/vision torchvisioncd torchvisionexport BUILD_VERSION=0.13.0python3 setup.py install --user
注意：pytorch和torchvision的对应关系如图所示，我安装的pytorch版本为1.12，所以torchvision安装v0.13.0，要根据实际版本号修改上面的命令，共两处！！！
安装时出现了No such file or directory: ':/usr/local/cuda/bin/nvcc'错误，但使用nvcc -V却可以正常找到cuda，说明环境变量配置有问题
sudo vim ~/.bashrc
将export CUDA_HOME=$CUDA_HOME:/usr/local/cuda改为：
export CUDA_HOME=/usr/local/cuda
source ~/.bashrc
九、验证pytorch和torchvision
进入python，执行命令：
import torchimport torchvision
提示缺什么库就安装什么库，直到完全不报错为止！
pip install numpypip install urllib3pip install charset-normalizerpip install certifipip install idna
九：Tensorrt安装
Jetpack已经给我们自动安装好了，但是安装位置在/usr/lib/python3.8/dist-packages/中，不能被虚拟环境中定位使用。因此我们需要软链接一下，运行如下命令：
sudo ln -s /usr/lib/python3.8/dist-packages/tensorrt* /root/anaconda3/envs/torch3.8/lib/python3.8/site-packages/
注意：“/root/anaconda3/envs/torch3.8/lib/python3.8/site-packages/”为你的anaconda以及所使用虚拟环境的具体位置，要根据实际情况进行修改！！！
测试一下，运行如下指令：
python -c "import tensorrt;print(tensorrt.__version__)"
若出现版本号，则成功：
参考文章：
在米文动力 EVO Orin 设备 Jetson AGX Orin 下配置 YOLOV5 的环境说明Jetson AGX Orin安装Anaconda、Cuda、Cudnn、Pytorch、Tensorrt最全教程在米文动力 EVO Orin 设备 Jetson AGX Orin 下配置 YOLOV5 的环境说明【Jetson Agx Orin】执行sudo apt install nvidia-jetpack命令时报错：E: Unable to locate package nvidia-jetpack
Unable to locate package nvidia-jetpack on Orin devkit - Jetson & Embedded Systems / Jetson AGX Orin - NVIDIA Developer Forums
开始使用 Jetson AGX Orin 开发人员套件 |英伟达开发者 ()
ubuntu21.04安装cuda和cudnn_test.c:1:10: fatal error: freeimage.h: no such file
查看Jetson系列产品JetPack的版本信息_查看jetpack版本_氵文大师的博客-CSDN博客
為 Jetson Platform 安裝 PyTorch - NVIDIA Docs
PyTorch for Jetson - Jetson Nano - NVIDIA Developer Forums
