程序员经验分享-hwhale

jetson tx2刷机教程 （成功安装ubuntu18.04+Jetpack4.6.2+CUDA10.2+CUDNN8.2）

2023-05-16

TX2 刷机需要准备一台ubuntu系统的电脑，没有ubuntu系统电脑在Windows电脑中安装虚拟机也可。本文教程直接使用的是ubuntu系统的电脑。

主机端（电脑端）环境配置

在主机上安装sdkmanager

  1. 下载sdkmanager
    直接点击红框中的下载即可
    在这里插入图片描述
    下载需要nvidia的账号， 没有的话可以注册一个。csdn下载，或者百度网盘下载
  2. 安装sdkmanager
    进入到sdkmanager的下载目录
    sudo apt install ./sdkmanager_XXXX.deb
sudo apt install ./sdkmanager_1.9.0-10816_amd64.deb #举个例子
    安装成功后在终端启动
    sdkmanager

在这里插入图片描述
登录nvidia账号
在这里插入图片描述登陆成功后，选择要刷机的型号

在这里插入图片描述

按照步骤开始刷机

STEP 01

在这里插入图片描述

如图红框所示，此时电脑还没有和tx2连接。将tx2进入强制恢复模式后，使用官方的原装线将电脑与tx2连接，连接线如图所示：
在这里插入图片描述
连接成功后sdkmanager界面如图红框1所示：
62在这里插入图片描述

在红框2中选择要安装的Jetpack版本,如图选择的是4.6.2

tx2进入强制恢复的方法：
在关机状态下按下并松开TX2的POWER键S4；按下并保持FORCE RECOVERY键S3；在此期间按下并松开RESET键S1；等待2秒后松开FORCE RECOVERY键S3。
细节：当TX2是恢复模式时，虚拟机界面右下角处的usb标志，会从灰色变成蓝色；也可在终端使用lsusb指令查看，是否能检测到NVIDIA crop这个设备，成功连接后终端显示如下：
在这里插入图片描述

STEP 02

步骤1完成后点击CONTINUE按钮进入步骤2
在这里插入图片描述
勾选左下角的同意协议，download那个不选。点击continue进入步骤3，开始下载包，下载完成后会自动安装。

STEP 03

在下载之前会要求输入主机端（电脑端）的密码
在这里插入图片描述
输入密码后会自动下载
在这里插入图片描述
当Jetson OS image 下载完成后会弹出如下界面
在这里插入图片描述

因为我们需要对tx2进行刷机（重装系统）,所以这里红框1需要选择MAnual Setup -Jet送 TX2。如果不需要重装系统，只是需要重装CUDA和CUDNN这里选择Automatic Setup -Jetson TX2即可。红框2中的ip地址不要改动，这是系统为tx2接口自动分配的IP地址，每个人根据情况可能有所不同。选择手动模式后，如下图所示。在下面的红框中设置tx2的用户名和密码，然后点击Flash即开始刷机。
在这里插入图片描述
如图所示，等待Flashing进度条走完之后tx2中的ubuntu系统就安装成功。此时如果tx2有连接显示器，就会看到ubuntu系统的设置界面。此时先装到tx2进行一些系统的设置。
在这里插入图片描述

首先给tx2联网，然后换源以提高下载速度和成功率

sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup  # 对源文件进行备份
sudo gedit /etc/apt/sources.list

将下面类容复制到sources.list中

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main universe restricted
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main universe restricted

使用清华源，注意Jetson TX2 是ARM架构，源和x86版本要区分开！！！
进行更新

sudo apt-get update

操作完成后再到主机端进行操作，此时会弹出一个窗口，点击install就会出现下面的界面，等待安装即可，可能会卡99%，对尝试几次就会成功
在这里插入图片描述

刷机完成后安装深度学习工具

刷机完成后系统会自动安装python2.7和python3.6

安装jtop查看系统信息

1.通过pip安装
首先安装pip

sudo apt-get install python3-pip

然后再安装 jtop

sudo -H pip3 install -U jetson-stats

通过匹配安装通常不会成功，这时可以通过github源码安装

git clone https://github.com/rbonghi/jetson_stats.git
cd jetson_stats/
sudo python3 ./setup.py install

可能出现的错误
在使用sudo apt-get时可能会出现下面错误:
sudo apt -get 无法获取 dpkg 前端锁 (/var/lib/dpkg/lock-frontend)，请查看您是否正以 root 用户运行？

解决办法
方法一

ps -e | grep apt

我这里显示

6929 pts/1    00:00:00 apt-get
6938 pts/1    00:00:00 apt-key

sudo kill 6929

方法二

sudo rm /var/lib/dpkg/lock-frontend
sudo rm /var/cache/apt/archives/lock  
sudo rm /var/lib/dpkg/lock

安装成功后在终端输入jtop即可出现以下画面，可以查看jetpack cuda，cudnn等版本信息。

安装pytorch及torchvision

安装pytorch

jetson tx2有专门的pytorch版本，，去nvidia官网下载对应的版本即可。如图，jetpack4.6的pytorch只支持python3.6.官网法下载链接通常打不开，可以去我的csdn下载,或者去百度网盘下载，密码为：
在这里插入图片描述
下载完成后，通过下面指令安装即可

## 首先安装依赖项，不然在导入pytorch时会报错
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev 
pip3 install Cython
pip3 install python 3.6 - torch-1.9.0-cp36-cp36m-linux_aarch64.whl

遇到的问题

在终端执行下面pytorch的安装指令时，出现这个平台不支持的错误

pip3 install python 3.6 - torch-1.9.0-cp36-cp36m-linux_aarch64.whl

解决办法
安装arm架构专用的anaconda解决，aarch64版本的anaconda

安装miniconda（建议）

下载完成后进入到下载目录进行安装即可

sudo ./Archiconda3-0.2.3-Linux-aarch64.sh

这个版本的archiconda会自动在系统中安装python3.7
conda安装成功后，使用下面指令创建环境，此时一定要指定python版本为3.6

conda create -n [env name] python=3.6

创建环境可能因为网络原因多次失败，更换网络或者多尝试几次就会成功。
进入到创建的环境安装pytorch

sudo apt-get install python3-pip libopenblas-base libopenmpi-dev 
pip3 install Cython
pip3 install python3.6 - torch-1.9.0-cp36-cp36m-linux_aarch64.whl ```

可能遇到的错误
在成功安装pytorch，在执行"import trorch"时可能出现下列错误

Illegal instrution(core dumped)

解决办法
打开~/.bashrc添加系统环境变量，进行全局修改

sudo gedit ~/.bashrc

增加如下内容

export OPENBLAS_CORETYPE=ARMV8

torch安装完成后进入到python测试是否调用cuda

>>import torch
>>torch.cuda.is_available()
True     ## 返回True说明torch安装成功，并可以调用cuda加速
		 ## 如果返回False 通常是cuda和torch版本不匹配的问题

补充
添加环境变量后"llegal instrution(core dumped)"的错误也没有得到解决，可以尝试更换miniconda的版本，多尝试几个版本，下面给出另外两个linux-aarch64版本anaconda的链接
Miniforge3：https://github.com/conda-forge/miniforge/releases/tag/4.12.0-0
参考：https://blog.csdn.net/Jorbo_Li/article/details/124984936
miniconda：https://repo.anaconda.com/miniconda/
成功安装4.9.2版本

参考:https://blog.csdn.net/buxiangyaomingzi/article/details/123297295

安装torchvision

可以先尝试直接使用pip安装

pip install torchvision=='你需要法版本'

安装不成功可以使用以下方法

sudo apt-get install libjpeg-dev zlib1g-dev
git clone -b v0.7.0 https://github.com/pytorch/vision torchvision  # 版本可以自己选择
cd torchvision
sudo python3 setup.py install

编译时会耗费较多时间，耐心等待即可。
可能出现的错误

 "Couldn't load custom C++ ops. This can happen if your PyTorch and "
RuntimeError: Couldn't load custom C++ ops. This can happen if your PyTorch and torchvision versions are incompatible, 
or if you had errors while compiling torchvision from source. For further information on the compatible versions, 
check https://github.com/pytorch/vision#installation for the compatibility matrix. Please check your PyTorch version with
 torch.__version__ and your torchvision version with torchvision.__version__ and verify if they are compatible, 
 and if not please reinstall torchvision so that it matches your PyTorch install.

解决办法
暂时没解决

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刷机教程 （成功安装ubuntu18.04+Jetpack4.6.2+CUDA10.2+CUDNN8.2） 的相关文章

  • 图像进行反转：白变黑，黑变白

    图像进行反转 xff1a 白变黑 xff0c 黑变白 二值图对图像进行反转 span class token keyword import span cv2 img span class token operator 61 span spa

  • python调用相机和双目相机

    python调用相机 span class token keyword import span cv2 span class token keyword import span numpy span class token keyword

  • 安装PCL1.9.1其它版本号Python3.6+PCL1.9.1+VS2017+gtkbundle_3.6.4版本

    下载 python pcl文件 地址 xff1a https github com strawlab python pcl 安装 VS2017 安装PLC1 91 首先在自己电脑上安装PCL xff08 点击这里 xff09 xff0c 这

  • ROS--机器人小车仿真rviz

    URDF练习 需求描述 创建一个四轮圆柱状机器人模型 xff0c 机器人参数如下 底盘为圆柱状 xff0c 半径 10cm xff0c 高 8cm xff0c 四轮由两个驱动轮和两个万向支撑轮组成 xff0c 两个驱动轮半径为 3 25cm

  • ROS--URDF集成Gazebo仿真小车和rviz结合

    ROS URDF集成Gazebo仿真小车 实现流程 需要编写封装惯性矩阵算法的 xacro 文件 为机器人模型中的每一个 link 添加 collision 和 inertial 标签 xff0c 并且重置颜色属性 在 launch 文件中

  • 使用D435i深度相机运行ORB-SLAM3

    下载安装链接 下载ORB SLAM3地址 xff1a git clone https github com UZ SLAMLab ORB SLAM3 git eigen3多版本安装 xff1a https blog csdn net wei

  • keil5使用一个父工程打开多个子工程文件

    1 首先工程文件需要在同样的文件夹里 2 打开keil5 xff0c 选择Project New Multi Project Workspace 3 将工程文件建立在刚刚的总文件夹里面 xff0c 命名保存 4 弹出此页面 xff08 Cr

  • ​Android动态加载so！这一篇就够了！

    作者 xff1a Pika 链接 xff1a https juejin cn post 7107958280097366030 对于一个普通的android应用来说 xff0c so库的占比通常都是巨高不下的 xff0c 因为我们无可避免的

  • HTTP是什么

    HTTP是什么 HTTP是什么 HTTP协议是Hyper Text Transfer Protocol xff08 超文本传输协议 xff09 的缩写 是用于从万维网 xff08 WWW World Wide Web xff09 服务器传输

  • error: array has incomplete element type ‘char []‘

    原代码 xff1a void explain input char int char a 报错 xff1a error array has incomplete element type 39 char 39 原因 xff1a 可以用二维数

  • STM32串口接收十六进制数转为十进制数（包含负数）

    外部设备传输给STM32单片机十六进制数 例如0x09c4 代表2500 0xff38 代表 200 xff08 并不是65336 xff0c 因为这是有符号的 xff09 串口接收处理函数 接收到 5A A5 06 83 55 00 01

  • 无人机-3无人机ROS应用与开发

    一 ROS是什么 二 为什么要学习ROS 三 怎么学习ROS https www cnblogs com masbay p 10745170 html TF坐标系指机器人在现实世界会有坐标的变换 xff0c ROS已经将其算成固定的程序 x

  • ROS入门-4.安装ROS系统(ubuntu20.04版本安装ros的noetic版本)

    ubuntu20 04版本安装ros的noetic版本 1 添加软件源2 添加密钥3 更新4 安装ROS5 初始化rosdep6 设置环境变量7 测试ROS安装是否成功 1 添加软件源 2 添加密钥 3 更新 4 安装ROS 5 初始化ro

  • 数学建模-12.预测模型

    灰色预测 灰色系统 GM 1 1 模型 xff1a Grey Model GM 1 1 原理介绍 呢么 xff0c 准指数规律的检验 xff1f 发展系数 a 与预测情形的探究 发展系数越小预测的越精确 GM 1 1 模型的评价 在使用GM

  • 数学建模-数学规划模型

    数学规划模型 一 概述 1 什么是数学规划 xff1f 运筹学的一个分支 xff0c 用来研究在给定条件下 即约束条件 xff0c 如何按照某一衡量指标 xff08 目标函数 xff09 来寻求计划 管理工作中的最优方案 即求目标函数在一定

  • 机器学习西瓜书学习记录-第四章 决策树

    第4章 决策树 4 1基本流程 决策树 xff0c 一类常见机器学习方法 xff0c 希望从给定训练集学得一个模型用以对新示例进行分类 一般 xff0c 一棵决策树包含一个根结点 若干个内部结点和若干个叶结点 xff1b 叶结点对应于决策结

  • 机器学习西瓜书学习记录-第五章 神经网络

    第5章 神经网络 5 1神经元模型 神经网络中最基本的成分是神经元模型 M P神经元模型 xff0c 又称 阈值逻辑单元 在模型中 xff0c 神经元接收到来自n个其他神经元传递过来的输入信号 xff0c 这些输入信号通过带权重的连接进行传

  • 机器学习西瓜书学习记录-第六章 支持向量机

    第6章 支持向量机 移步b站学习 学习贴

  • SurfaceFlinger模块

    SurfaceFlinger是一个系统服务 xff0c 作用就是接受不同layer的buffer数据进行合成 xff0c 然后发送到显示设备进行显示 SurfaceFlinger进程是什么时候起来的 xff1f 在之前的Android低版本

  • STM32-串口通信实验

    一 通信接口背景知识 1 通信的两种方式 xff1a 并行通信 传输原理 数据各个位同时传输 优点 速度快缺点 占用引脚资源多 串行通信 传输原理 数据按位顺序传输 优点 占用引脚资源少缺点 速度相对较慢 2 串行通信 按照数据传送的方向

随机推荐

  • UDP介绍,编程流程

    介绍 xff1a 面向无连接的用户数据报协议 xff0c 不需要建立任何连接 xff0c 目的主机接收后不需要确认 UDP特点 xff1a 相比TCP速度快一些简单的应用程序直接使用 不需要加密对于海量数据不采用UDP广播和多播必须采用UD

  • 数据结构-线性表的链式存储（包含代码实现）

    线性表的链式表示和实现 链式存储结构 结点在存储器中的位置是任意的 xff0c 即逻辑上相邻的数据元素在物理上不一定相邻线性表的链式存储结构又称为非顺序映像或链式映像 用一组物理位置任意的存储单元来存放线性表的数据元素这组存储单元既可以是连

  • Android6.0以上高危权限动态申请

    1 在项目的Manifest xml中添加静态权限 拨打电话 lt uses permission android name 61 34 android permission CALL PHONE 34 gt 发送短信 lt uses pe

  • Linux入学—共享文件夹（保姆教程）

    序言 自从上学期上完课以来就没有用过Linux xff0c 最近因为学习传感器数据上传云端的需要 xff0c 安装了Linux xff0c 在开始装jdk的时候需要下载jdk的压缩包 xff0c 需要通过windows上传到Ubuntu 之

  • Ubuntu下安装java环境及idea

    前言 一 JDK的安装 二 配置环境 1 在 系统中配置java环境 三 idea社区版的安装 前言 提示 xff1a 这里可以添加本文要记录的大概内容 xff1a 由于自己的学习需要 xff0c 这里需要用到在Linux系统下的Java

  • stm32f103 光敏传感器BH1750 实现串口回显

    在制作智能花盆的过程中 xff0c 使用了光敏传感器BH1750 因为在网上找了很多都是关于51的 xff0c 32方面的比较少 xff0c 所以这里记录一下BH750的驱动代码 链接 xff1a https pan baidu com s

  • STM32中HAL库使用-串口接收（一）

    1 中断接收 1 1先看中断接收的流程 xff08 以 USART2 为例 xff09 在启动文件中找到中断向量 USART2 IRQHandler 找到 USART2 IRQHandler 的函数定义 可以看到这里又转到另一个函数里去了

  • STM32中HAL库使用-串口发送（二）

    2 中断发送 2 1发送中断的触发流程 由于在STM32中usart2的入口中断只有一个 xff1a 就是上图的中断向量表中红框标出来的 其他的所有中断其实都是从这里出发的 xff0c 我们再和捋接收一样捋一遍发送 首先是USART2 IR

  • Ubuntu20.04下编译安装ORBSLAM2_with_pointcloud_map总结

    与此物大战六个小时 xff0c 终于解决所有问题 xff0c 写此短文记录一下 一 在github上下载源码后 xff0c 解压缩 xff0c 如下 进行g2o with orbslam2的编译 1 报错信息 xff1a ORBSLAM2

  • Android使用ASM修改函数

    目录 参考文章 Android 编译插桩 xff08 一 xff09 xff1a ASM https github com yxhuangCH CSLearn blob master android Android 20 E7 BC 96

  • ORB_SLAM2配置——基于Ubuntu20.04+ROS+gazebo仿真

    一 引言 ORB SLAM2 xff0c 它是基于单目 双目或RGB D相机的一个完整的SLAM系统 xff0c 其中包括地图重用 回环检测和重定位功能 这个系统可以适用于多种环境 xff0c 无论是室内小型手持设备 xff0c 还是工厂环

  • opencv 打开双目摄像头只能采集一个摄像头的问题，及左右目图像分割成两幅图

    一 opencv 打开双目摄像头只能采集一个摄像头的问题 本人采用单USB接口的双目摄像头 xff0c 总是只打开左摄像头的图 xff0c 经摸索后发现主要就是分辨率的问题 xff0c 如果分辨率设置正确 xff0c 便可以打开左右目合成图

  • 基于opencv（c++）和matlab的usb双目相机标定

    本人由于实际需要入手了一款双目免驱usb摄像头 xff0c 因为需要做深度估计 xff0c 故需要标定内参 xff0c 双目相机标定主要是为了获得摄像头的内参 f 1 dx 1 dy cx cy 畸变参数 k1 k2 k3 p1 p1 和外

  • 解决在编译各类改版orbslam时的undefined reference to ****************************问题

    如上面这个问题 xff0c 可以参考这个链接 xff1a 参考链接 参考上面的链接 xff0c 我作出的修改具体为 xff08 1 xff09 移动所缺少的文件 xff08 如本例的libopencv core so 4 2 0 xff09

  • 贝叶斯滤波与卡尔曼滤波（一）

    一 绪论 贝叶斯滤波 xff1a 通过概率统计的方法 xff08 贝叶斯公式 xff09 xff0c 对随机变量进行处理 xff0c 来减小他的不确定度 这里所指的随机变量和教材中所说的变量并不是一回事 xff0c 贝叶斯滤波中所提到的随机

  • 学习ROS-Academy-for-Beginners-noetic，修改记录

    一 编译安装ROS Academy for Beginners noetic 可以参考我之前的博客ROS Academy for Beginers noetic安装教程 之后可以看到里面提供了很多例程 xff0c 包括 软件包 内容 rob

  • STM32的C与汇编语言混合编程

    目录 一 在keil5里面利用C语言调用汇编函数 1 建立新工程 2 编辑代码 C语言代码编辑 xff1a 汇编语言编辑 3 编译调试 二 改写汇编程序 1 C程序改写 2 汇编程序改写 3 编译调试 三 在汇编程序中调用C语言中的函数 一

  • 网络数据传输时的大小端问题

    socket网络字节序以及大端序小端序 不同CPU中 xff0c 4字节整数1在内存空间的存储方式是不同的 4字节整数1可用2进制表示如下 xff1a 00000000 00000000 00000000 00000001 有些CPU以上面

  • linux知识点——CMakeLists.txt中调用自己编写的so库

    文章目录 1 问题2 解决2 1 cmake文件方法2 2 暴力链接库方法 3 例子3 1 生成libposelib so3 2 调用so库3 3 find package原理 参考 xff1a https blog csdn net qq

  • jetson tx2刷机教程 （成功安装ubuntu18.04+Jetpack4.6.2+CUDA10.2+CUDNN8.2）

    TX2 刷机需要准备一台ubuntu系统的电脑 xff0c 没有ubuntu系统电脑在Windows电脑中安装虚拟机也可 本文教程直接使用的是ubuntu系统的电脑 主机端 xff08 电脑端 xff09 环境配置 在主机上安装sdkman

热门标签