Jetson TX2 安装JetPack3.3教程

Introduce

JetSon系列是Nvidia公司推出的面向无人智能化领域的嵌入式平台，这块嵌入式板子的出现使得我们可以在边缘设备上处理复杂数据，实现人工智能。

Jetson TX2 模块
它是一台模块化 AI 超级计算机，采用 NVIDIA Pascal™ 架构。更棒的是，它性能强大，但外形小巧，节能高效，非常适合机器人、无人机、智能摄像机和便携医疗设备等智能边缘设备。它支持 Jetson TX1 模块的所有功能，同时可以铸就更大型、更复杂的深度神经网络。

技术规格

资料来源：NVIDIA JESTSON
PS：如果你是大学在校生或者从事科研工作，可以考虑教育折扣（某宝上5000+，教育折扣不到3000）

Requirements

一台主机，OS为Ubuntu 14.04/16.04（下文将其称为Host，此外，我所用HOST的系统为Ubuntu 16.04）
HDMI转VGA转换器（TX2只提供了HDMI接口）
USB HUB（TX2 只提供一个USB接口和一个Micro USB接口，但是当你需要刷机时，该Micro USB接口另有它用）

Installation

1.1 安装Jetson TX2

开箱之后，你会得到以下物品：

1. 嵌入式主板 X1
2. 电源适配器 X1
3. 天线 X2
4. USB线 X1
5. Micro USB线 X1
6. 电源线 X1

将其完全装好后，应该如下图所示：
这里写图片描述

1.2 进入自带系统

Jetson TX2 自带ubuntu 16.04 系统，首次开机时，进入的是以nvidia用户登录的Ubuntu命令行界面。如果要使用图形化界面，需要安装Nvidia Linux驱动，Nvidia 驱动安装通过输入密码，切换ROOT权限用户（username:nvidia, password:nvidia）。
输入密码后，按照屏幕上的所提示的信息，输入以下命令即可：

cd /home/nvidia/NVIDIA-INSTALLER
./installer.sh
reboot

1.3 在 Host 上安装 JetPack 3.3

注册 NVIDIA 账号
下载 JetPack 需要先注册 NVIDIA Developer 账号。
下载 JetPack 3.3
进入官网，下载 JetPack 3.3；在下载的同时，可以去参考官方教程。
此外，如果无法下载，此处放上百度云链接： JetPack 3.3。
运行 JetPack 3.3 安装程序
待 JetPack-L4T-3.3-linux-x64.run 下载完成后，我们先在主目录下创建一个JetPack文件夹，并将其放入该文件夹。
进入该文件夹，更改该文件的权限并运行该文件：

chmod +x ./JetPack-L4T-3.3-linux-x64.run
./JetPack-L4T-3.3-linux-x64.run

运行安装程序
4. 选择所需安装资源
下载各种包，包括Ubuntu系统、CUDA8.0、cuDNN6.0、TensorRT2.1、VisionWorks1.6、OpenCV2.4.13等基本常用的工具，如果不需要装，就选中该项，点右上角的Clear Actions。如：如果不重装系统，则将下图红框里的内容不装。一般都是直接下一步。
选择安装资源
在下载期间，可以查看 Jetson TX2 和 HOST 的的 IP 地址，并确保两者能互相通信。
此外，如果出现下载错误提示，可以先点 back，再点击 next，程序会接着之前的进度继续下载。

1.4 将软件加载至Jetson TX2

当 Host 下载好所有包，并安装完毕后，会如下图所示：

点击 next，并将 Jetson TX2 的 IP 地址，账号以及密码填写进去：

接着，程序将所有资源加载至 Jetson TX2中。

如果之前选择资源时，选择了重装系统，则需进行额外步骤，文章末尾所提供的其他博文对此有进行介绍

1.5 检查

以上步骤完成后，需重启Jetson TX2，再打开终端，分别输入以下命令，已查看所需包是否安装成功：

nvcc -C
pkg-config --modversion opencv
g++ -version
cmake --version

一般来说，重启之后，CUDA 已经安装完毕，如果终端报错，可能是因为路径设置的问题。
我们需要在 Jetson TX2 上设置环境变量，打开终端，在主目录下输入该命令：

sudo gedit /etc/bash.bashrc

并在文件的末尾加入如下命令：

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH

运行视频目标检测 Demo
安装成功后，重启 TX2，连接键盘鼠标显示器，就可以跑 Demo 了。
1. 海面模拟

cd ~
cd NVIDIA_CUDA-9.0_Samples/bin/aarch64/linux/release/
./oceanFFT

海面模拟
2. 车辆识别

cd ~
cd tegra_multimedia_api/samples/backend
./backend 1 ../../data/Video/sample_outdoor_car_1080p_10fps.h264 H264 --trt-deployfile ../../data/Model/GoogleNet_one_class/GoogleNet_modified_oneClass_halfHD.prototxt --trt-modelfile ../../data/Model/GoogleNet_one_class/GoogleNet_modified_oneClass_halfHD.caffemodel --trt-forcefp32 0 --trt-proc-interval 1 -fps 10

车辆识别demo

References

如果你看到了这篇文章的最后，并且觉得有帮助的话，麻烦你花几秒钟时间点个赞，或者受累在评论中指出我的错误。谢谢！

作者信息：
CSDN：Code_Mart
Github：Bojack-want-drink