Jetson Nano 配置流程（一）

本文介绍jetson nano 从入手到跑模型的流程一些记录，本人烧录系统镜像为JP 4.3版本，JP 4.4的版本内置CUDA为10.2太新了，只支持tensorflow高版本，比较麻烦。

1.系统烧录

准备烧录工具如：win32diskimager或者Etcher
本人使用的Etcher简便操作，没出现什么问题。

到官网下载Nano的镜像。

https://developer.nvidia.com/embedded/downloads

注意系统镜像JP4.4中CUDA为10.2，opencv为4.1.1；JP4.3中CUDA为10.0，OpenCV3.4 按自己需要下载。

本人这里使用tensorflow 1.13.1版本需要CUDA10.0烧的JP4.3版本系统，后续自己安装OpenCV4.1.1。

2.apt换国内源

#添加root密码
sudo passwd root

#备份存nano源原文件
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

#编辑该文件
sudo vi /etc/apt/sources.list

#拷贝到文件中
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

#更新下源
sudo apt-get update    
    
#更新下软件
sudo apt-get full-upgrade

3.CUDA CUDNN OpenCV 检查是否安装完整

3.1 CUDA 的配置

#编辑环境变量
sudo vim  ~/.bashrc

#在最后添加以下内容
export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.0/bin:$PATH

#保存生效一下
source ~/.bashrc

注意:如果添加了环境变量还是显示nvcc not found情况：
先查看 cd /usr/local/cuda/bin 是否存在nvcc文件，如果存在，把上面减少为下面两句：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

#保存生效一下
source ~/.bashrc

#查看是否正确 
nvcc -V

显示如下图配置正确：
在这里插入图片描述

3.2 CUDNN 的查看

nano系统已经安装好了cuda及cudnn，运行下mnist案例验证下cudnn是否可用。

#进入案例文件
cd /usr/src/cudnn_samples_v8/mnistCUDNN/mnistCUDNN

#编译一下例子
sudo make

#运行测试
./mnistCUDNN

注：如果以上无法运行可以添加权限如下方法：
sudo chmod a+x mnistCUDNN # 为可执行文件添加执行权限

运行成功为最后显示检测结果为：1 3 5

3.3 OpenCV 的查看

python下查看Opencv正常使用及版本

python
import cv2

print（cv2.__version__）

输出为系统OpenCV版本