程序员经验分享-hwhale

Jetson tx2 安装jetpack_3.3手动安装cuda9.0，cudnn7.1

2023-05-16

1.刷机前的准备（写在前面的话）

装有Ubuntu16.04或者Ubuntu18.04的电脑，这里说的电脑可以是台式机也可以是笔记本与TX2区分开来。（电脑是16.04或者18.04无所谓，这并不会影响到TX所要刷出来的系统，决定TX2是16.04还是18.04的是JetPack的版本，JetPack4.x及其以上是Ubuntu18的系统，JetPack3.x为Ubuntu16系统）

坑1：电脑最好选用一个干净的系统，这里所谓的“干净”是指系统中之前最好没有安装过Nvidia其他的东西，由于博主之前用Tensorflow的时候装过Cuda之类的东西，在刷机的过程中遇到过一些莫名奇妙的问题，所以最好的解决办法就是装一个虚拟机，用完即删，使用虚拟机也会有很多问题，为不影响文章的结构具体的内容请看避坑章节。

下载JetPack3.x (JetPack3.x版本的安装步骤相差无几)，提供两种下载方式：

有一个国外的的英文刷机视频，我感觉作用不大，大家可以选择性的观看。https://v.qq.com/x/page/b0515967lbr.html

从官网下载，下载地址为：https://developer.nvidia.com/embedded/downloads/archive

选择点击JetPack3.3进入

然后Downloads Ubuntu（64-bit），这几个文件都不到，30M多点儿不要还怕。

官网下载需要注册个账号（并不复杂），如果嫌麻烦可以从百度网盘下载，我这里提供JetPack3.3/3.2.1版本。链接：百度网盘 请输入提取码
提取码：wcxh

2.把刚下载的JetPack软件包拷贝到虚拟机中，方法很多：比如U盘拷贝、右键下载，官网下载等等。

找到JetPack所在的位置打开终端（Ctrl + Alt + T）

首先更改执行权限：

 chmod +x ./JetPack-L4T-3.3-linux-x64_b39.run

1

接着进行安装：

./JetPack-L4T-3.3-linux-x64_b39.run

1

步骤2到这一步这样就可以，后面的内容可以直接不看，只作为讨论，但是很多博主是这样写的：

sudo ./JetPack-L4T-3.3-linux-x64_b39.run

1

这个sudo权限真的没有必要，执行之后会报错如下图

还有路径不能有空格等

弹出这个界面，其实一路next就可以

Yes/No随意，类似于用户体验。

一直next到这里，建议全部安装

选择 Accept All，继续next。建议全部安装

输入你虚拟机的root密码，继续即可

开始下载，时间视网速而定，我用了半个小时左右。在下载的过程中可能会提示error下载失败，不要慌点击next，会自动给你重新下载，直到所有的下载完成。

等待下载完成之后，继续next。

TX2提供两种刷机的方式，开发板刷机过程中需要全程联网，所以这个时候你家可千万别断网哦！第一种是有线刷机，第二种是无线刷机。很多博主都采用第一种刷机方式，并提示没有用第二种刷机成功过。所以我也是采用的第一种刷机方式。

此时，你需要具备两根网线，一个路由器。此时用网线分别将TX2和你的电脑接入到同一个路由器下。没有路由器就只能刷进去一个系统，剩下一些安装包可以手动安装。

打开TX2的终端，输入以下命令，获取到TX2的IP地址：

ifconfig

  • 1

获取到TX2的地址后，在电脑上ping一下，看看是否能够ping通。

ping 192.168.1.101 //这儿的地址是你上一步ifconig得到的

然后

此时弹出一个界面，接下来要有一些手动的操作

概括来说：此时，将TX2断电，并将TX2开发板的 microUSB 和主机相连，然后再将TX2上电开机，紧接着按下TX2的RECOVERY按键不松手，接着按下RESET按键并松手2秒后再松开RECOVERY按键，此时开发板处于强制恢复模式。一定要按顺序来。实物具体图太简单，自己脑补。上面是TX2的接口图。

完成以上步骤后，打开一个新的终端，输入lsusb命令：lsusb

如果可以看的一些列表，并发现其中有Nvidia Corp就证明链接成功可以进行操作

在完成以上步骤并没有错误后，在第一个终端post installation界面中按下回车键，变开始刷机。

  1. 如果板子网络ip获取不到，没有路由器的情况，这时候系统已经刷好，只是没有安装一些安装包，在jetson_download这个文件夹里面

把文件拷贝出来，传到jetson tx2里面，单独进行安装。

安装时候并非一个个安装即可使用，涉及到许多依赖项相关，因此，我提供了相关的安装顺序。这里我没安装visionworks和Tegra_Multimedia这类扩展库，之前测试过，在640*480相关的图像上，没有效率提升，但在下面的安装顺序结束之后，直接安装即可，应该不会出现依赖的问题了。

不同版本包有所不同，安装顺序大同小异。

下面提供安装顺序，因为都是deb包，使用dpkg -i 即可安装：

sudo apt-key add /var/cuda-repo-9-0-local/7fa2af90.pub（没有先执行第二条安装指令）

//cd进入jetpack_download文件夹

sudo dpkg -i cuda-repo-l4t-9-0-local_9.0.252-1_arm64.deb

sudo dpkg -i libcudnn7_7.1.5.14-1+cuda9.0_arm64.deb

sudo dpkg -i libcudnn7-dev_7.1.5.14-1+cuda9.0_arm64.deb

sudo apt update

sudo apt install cuda-toolkit-9.0

这时候需要安装些依赖项，进入文件夹/var/cuda-repo-10-0-local-10.0.166*，安装：

cuda-license-10-0_10.0.166-1_arm64.deb

cuda-cublas-10-0_10.0.166-1_arm64.deb

cuda-cublas-dev-10-0_10.0.166-1_arm64.deb

文件夹/var/cuda-repo-10-0-local-10.0.166*，这个文件夹还有许多deb包，涉及到依赖关系时候再安装，切记，遇到cuda相关依赖项，先从这个文件夹找，多数问题都能解决。

 执行 sudo apt-get install cuda-toolkit-10-0 可以全部安装这里的包

回到之前的TX2的安装包路径，继续安装一下文件：

libnvinfer5_5.0.6-1+cuda10.0_arm64.deb

libnvinfer-dev_5.0.6-1+cuda10.0_arm64.deb

libnvinfer-samples_5.0.6-1+cuda10.0_all.deb

tensorrt_5.0.6.3-1+cuda10.0_arm64.deb

uff-converter-tf_5.0.6-1+cuda10.0_arm64.deb

python-libnvinfer_5.0.6-1+cuda10.0_arm64.deb

python-libnvinfer-dev_5.0.6-1+cuda10.0_arm64.deb

python3-libnvinfer_5.0.6-1+cuda10.0_arm64.deb

python3-libnvinfer-dev_5.0.6-1+cuda10.0_arm64.deb

这里需要修复依赖项，才能安装libtbb以供opencv使用：

sudo apt --fix-broken install

sudo apt-get install libtbb2

sudo apt-get install ffmpeg

Sudo apt-get -f install (恢复依赖)

剩下继续安装即可：

libopencv_3.3.1-2-g31ccdfe11_arm64.deb

libopencv-dev_3.3.1-2-g31ccdfe11_arm64.deb

libopencv-python_3.3.1-2-g31ccdfe11_arm64.deb

至此，TX2所需的必须库以安装完成，其他的包安装类似，出现安装问题是依赖问题，先装依赖文件就可以了。

**********************************************************************************************************

输入nvcc -V无反应。说明没有安装nvcc这个包（可以找到有个包叫cuda-nvcc-xxxxx），在文件夹/var/cuda-repo-10-0-local-10.0.166*里面安装。

或者是没有添加环境变量：

su root

vi ~/.bashrc

# 在文件末尾添加环境变量

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64

export PATH=$PATH:/usr/local/cuda-9.0/bin

export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-9.0

# wq! 保存退出

# 更新配置文件

source ~/.bashrc

**********************************************************************************************************

参考：(37条消息) TX2刷机教程，超详细，避坑教程（亲测有效，所有步骤亲自测试）_NSSC_K的博客-CSDN博客_tx2刷机https://blog.csdn.net/NSSC_K/article/details/106092499

(37条消息) Jetson TX2 手动安装cuda opencv cudnn等文件与Jetpack 4.2、4.4下载地址_小玺大大-CSDN博客_tx2 安装cudahttps://blog.csdn.net/Zhaoxi_Li/article/details/100803353?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522164680166816781683944846%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=164680166816781683944846&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-1-100803353.pc_search_result_cache&utm_term=jetson+tx2%E6%89%8B%E5%8A%A8%E5%AE%89%E8%A3%85cuda&spm=1018.2226.3001.4187

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

Jetson

TX2

Jetpack

cuda9

CUDNN7

Jetson tx2 安装jetpack_3.3手动安装cuda9.0，cudnn7.1 的相关文章

  • Jetson Xavier NX-EMMC重装系统

    Jetson xavier NX EMMC版本重装系统相对比较麻烦 xff0c 以下方法本人已经试过多次 xff0c 基本没有出现什么问题 一 安装虚拟机 安装虚拟机的步骤我们不多过述 xff0c 网上有许多博客讲述虚拟机安装 我们这里主要

  • 【jetson nano】在ubuntu18.04下，c++调用链接库实现yolov3

    目录 0 前言 1 下载安装opencv 3 4 0 1 1 配置相应的以来库 1 2 下载opencv 3 4 0 xff08 源码 xff09 1 3 编译 xff08 时间较长 xff09 1 4 安装 1 5 配置opencv路径

  • VINS-FUSION-GPU在jetson nx上的实现

    需要安装经过修改的Ubuntu18系统 https span class token operator span span class token comment developer nvidia com zh cn embedded do

  • 玩转Jetson Nano（三）：安装Pytorch GPU版

    玩转Jetson Nano xff08 三 xff09 xff1a 安装Pytorch GPU版 前言安装Pytorch GPU版查看CUDA版本号下载Pytorch对应的wheel文件测试是否安装成功常见问题OSError libmpi

  • TX2上布置vins_fusion_gpu指南

    1 参考链接 如果初次安装 xff0c 新的TX2环境 xff0c 请参考文档 https github com arjunskumar vins fusion gpu tx2 nano 2 问题记录 1 xff0c 自己的环境情况 我的环

  • Nvidia Jetson Xavier 上使用CAN

    为了利于回忆 xff0c 将自己查询到的资料在这里记录一下 资料一 xff1a 20条消息 NVIDIA Xavier CAN weifengdq的专栏 CSDN博客 资料二 xff1a 英文版Enabling CAN on Nvidia

  • 在Jetson Nano上编译FastDeploy

    1 C 43 43 库的编译 span class token function git span clone https github com PaddlePaddle FastDeploy git span class token bu

  • NVIDIA JETSON XAVIER NX （四）安装Pytorch和torchvision

    可选择在NX上创建新python环境进行安装 xff0c 避免和其他工程环境发生冲突 xff0c 具体虚拟环境操作步骤可见Python创建虚拟环境 下面就开始安装pytorch的愉快之旅吧 xff01 1 安装相关依赖环境 span cla

  • 4.jetson更换python版本

    问题与背景 jetson自带的python版本是3 6 9 xff0c 太老旧了 xff0c 希望更换python版本 尝试替换成python3 7的版本 但是在未替换之前 xff0c 已经装了pip3了 xff0c 是否pip3会与pyt

  • jetson镜像克隆到固态再扩容简单方法

    jetson克隆方法很多 xff0c 我是自己把之前的sd镜像克隆做成img镜像了 然后烧写后之前是64g的后续烧写都是64g的不能把新的储存设备占满 这里有一个扩容和移植到固态的方法 主要分三步 xff1a 镜像克隆和烧录到sd卡使用固态

  • NVIDIA Jetson TX2 解决奥比中光 Astra pro相机的ros 打不开深度信息/camera/depth/image

    背景 NVIDIA Jetson TX2 安装奥比中光 Astra pro相机的ROS 驱动后可以打开彩色相机 打不开深度信息 有点捉急 换了一台相机 还是如此 说明相机没问题驱动有问题 打开奥比中光的开发者论坛 Astra pro无法读取

  • Jetson AGX Xavier踩坑记录

    1 联网后 升级所有安装包 并且更新了一下系统 sudo apt get update 2 安装中文输入法 sudo apt get install fcitx googlepinyin 3 安装nano文本编辑器 比较喜欢这个文本编辑器

  • Jetpack学习之Room

    Android采用sqlite作为数据库存储 Room就是Google推出的自己的ORM Object Relational Mapping Room的架构图 Entity 一个Entity对应于数据库中的一张表 Entity类是Sqlit

  • [orin] nvidia orin 上安装 pytorch 和 torchvision 实操

    请看这个博主写的链接 写的非常好 目前我已经安装成功了 不同的是我是在Anaconda虚拟环境中安装的 原博客链接 https blog csdn net beautifulback article details 125717717 这次

  • Jetpack学习之Lifecycle

    Jetpack是Google为了解决Android架构问题而引入的 Google官方说的说法 Jetpack是一套库 工具和指南 可以帮助开发者更轻松地编写应用程序 Jetpack中的组件可以帮助开发者遵循最佳做法 摆脱编写样板代码的工作并

  • Jetpack学习之MVVM实战

    MVVM架构与Jetpack MVVM即Model View ViewModel的缩写 它的出现是为了将图形界面与业务逻辑 数据模型进行解耦 MVVM也是Google推崇的一种Android项目架构模型 而Jetpack组件 大部分是为了能

  • Jetpack-Compose 学习笔记（五）—— State 状态是个啥？又是新概念？

    系列第五篇 进入 Compose 中有关 State 状态的学习 前面几篇笔记讲了那么多内容 都是基于静态界面的展示来说的 即给我一个不变的数据 然后将它展示出来 如何在 Compose 中构建一个随数据而变化的动态界面呢 相信看完这篇就知

  • TX2入门(9)——yolov3(1)

    1 从github上clone git clone https github com pjreddie darknetcd darknet 2 修改Makefile 以下注释来自参考链接1 GPU 1 是否需要用GPU CUDNN 1 是否

  • 解决:Jetson系列python3 import 报错 “Illegal instruction core dumped “

    解决 Jetson系列python3 import 报错 Illegal instruction cpre dumped 解决方法 解决方法 编辑环境变量 sudo gedit bashrc 在最后一行添加 export OPENBLAS

  • LiveData详细分析2

    一 LiveData是什么东西 1 基于观察者设计模式 LiveData是一种持有可被观察数据的类 被观察者 LiveData需要一个观察者对象 一般是Observer类的具体实现 当观察者的生命周期处于STARTED或RESUMED状态时

随机推荐

  • 把所阅读的文章背景/主题变成白色

    今天在CSDN找SVD分解的资料 xff0c 找到了一篇写的很好的文章 xff0c 但是它的主题是黑色的 xff0c 是黑色的 xff01 作为黑色主题深恶痛绝人士 xff0c 于是我便想把这篇文章的主题改成白色 我们作为读者似乎并没有这个

  • 计算机保研专业课必备之数据结构

    数据结构保研面试准备 算法的五大特征 有穷性 有限的步骤确定性 不可二义性可行性 每一步都是通过执行有限次数完成的输入 零个或多个输入输出 至少有一个或多个输出 O n 的大O是什么意思 xff1f 什么是时间复杂度 大O表示的是最坏情况下

  • Go语言快速的一键生成一个gRPC服务

    目录 前言 介绍 使用命令行工具 micro 生成 gRPC 服务 安装 xff1a 创建项目 xff1a 安装 protobuf 和依赖项 xff1a 构建并运行服务 xff1a 总结 前言 由于近期因为一些事情很久没更了今天带来一个Go

  • 编程实现在str1中查找str2的初始位置

    问题描述 有两个字符串str1和str2 xff0c 它们的长度都不超过100个字符 请编程实现在str1中查找str2的初始位置 输入形式 有两行输入 xff0c 第一行输入字串str1 xff0c 第二行输入字串str2 输出形式 一个

  • 数据挖掘Java——KNN算法的实现

    一 KNN算法的前置知识 k 近邻 xff08 kNN k NearestNeighbor xff09 是在训练集中选取离输入的数据点最近的k个邻居 xff0c 根据这个k个邻居中出现次数最多的类别 xff08 最大表决规则 xff09 x

  • thinkPHP生成微信支付平台证书

    1 先安装微信支付V3版本 xff1b 2 在目录 vendor wechatpay wechatpay下执行以下代码 xff1b 3 在本地VScode编辑器的终端运行命令行 xff0c 执行以下代码 xff1a composer exe

  • 数据挖掘Java——DBSCAN算法的实现

    一 DBSCAN算法的前置知识 DBSCAN算法 xff1a 如果一个点q的区域内包含多于MinPts个对象 xff0c 则创建一个q作为核心对象的簇 然后 xff0c 反复地寻找从这些核心对象直接密度可达的对象 xff0c 把一些密度可达

  • 数据挖掘Java——Kmeans算法的实现

    一 K means算法的前置知识 k means算法 xff0c 也被称为k 平均或k 均值 xff0c 是一种得到最广泛使用的聚类算法 相似度的计算根据一个簇中对象的平均值来进行 算法首先随机地选择k个对象 xff0c 每个对象初始地代表

  • 直立车学习笔记（一）

    直立车是通过两个电机的前后加速度来维持车体保持一定的角度 xff0c 调直立对于PID的理解有一个质的飞跃 xff0c 接下来我会不定期更新我学习直立车的成果和调PID的经历 xff0c 记录一下我的成果 xff0c 也让其他人学习一下 x

  • rtc使用

    首先我们要知道 xff0c rtc并非片上外设 xff0c 所以要通过连接总线以读取数据 什么是RTC RTC Real Time Clock xff1a 实时时钟 RTC是个独立的定时器 RTC模块拥有一个连续计数的计数器 xff0c 在

  • docker run命令总结

    运行 docker 容器时 xff0c 有时候我们希望它默认进入一个工作目录 xff0c 我们可以在 docker run 命令后追加参数 w 来实现 xff0c 这样我们就不需要在启动 docker 容器后再进行一次 cd 命令了 doc

  • 最新树莓派系统PUTTY用默认用户名和密码登录不上的解决方法

    最近我在树莓派配置深度学习环境 xff0c 然后直接载了别的博主的树莓派镜像 xff0c 发现博主给的用户名 xff0c 密码登不上 xff0c 于是乎 xff0c 就打算自己配置深度学习环境 xff0c 结果我下在了最新版本的树莓派镜像系

  • 关于嵌入式软件工程师的面试题（一）

    ARM是什么 xff1f ARM的分类 xff1f 1 1 是一家公司的名字 gt 专门生产IP核 xff08 内核 CPU xff09 gt 依靠专利授权盈利 1 2 是一系列ARM内核的芯片的代称 ARM7 xff0c ARM9 xff

  • 对比应用层和内核层区别

    1 应用层和内核层是计算机系统中的两个不同的层次 应用层是用户直接与计算机系统交互的层次 xff0c 它包括各种APP和libc xff08 Linux下的ANSI C的函数库 xff09 内核层是计算机系统的核心 xff0c 它提供了各种

  • uc/OS-III移植到stm32f103c8进行多任务实验

    文章目录 一 UCOSIII介绍1 简介2 UCOSIII中的任务 二 将uc OS III移植到stm32f103c81 创建CubeMx工程2 进行uCOS III的移植 三 构建三个任务1 代码添加 四 结果展示五 总结五 参考链接

  • Invalid bound statement (not found)出现原因和解决方法

    Invalid bound statement not found 出现原因和解决方法 出现的原因 xff1a mapper接口和mapper xml文件没有映射起来 解决方法 xff1a 1 mapper xml中的namespace和实

  • 服务器磁盘满了会导致ssl无法正常访问，进而导致网站样式错乱

    服务器磁盘满了会导致ssl无法正常访问 xff0c 进而导致网站样式错乱

  • 基于OpenMV和正点原子开发的自动追球小车（带云台舵机）

    电赛备赛前 xff0c 通过OpenMV加舵机云平台由 xff0c 做了一个追着球跑的小车 xff0c 由于疫情 xff0c 以前录制的视频也删除了 xff0c 最终呈现的效果和B站一位Up主的相似 xff0c 大家可以参考参考 xff0c

  • C语言For循环

    循环结构 xff1a 又称为重复结构 xff0c 在程序中处理问题需要重复处理 for循环语句 xff1a 使用灵活 可用于循环次数已确定或不确定循环次数的情况 for循环的一般结构 xff1a for xff08 表达式1 xff1b 表

  • Jetson tx2 安装jetpack_3.3手动安装cuda9.0，cudnn7.1

    1 刷机前的准备 xff08 写在前面的话 xff09 装有Ubuntu16 04或者Ubuntu18 04的电脑 xff0c 这里说的电脑可以是台式机也可以是笔记本与TX2区分开来 xff08 电脑是16 04或者18 04无所谓 xff

热门标签