开始使用 Jetson Nano

• 1. 安装硬件板块
• 2. 安装系统
• 3. 安装开发基本环境
  • 3.1 设置环境
  • 3.2 安装 PyTorch
  • 3.3 安装 Torchvision
  • 3.4 安装 torch2trt
• 4. 高性能模式

1. 安装硬件板块

有用的信息

• Jetson Nano 官方指南，另外有 中文版，建议阅读英文版以确保最新
• Jetson Nano 官方指南 PDF
• Waveshare Wiki: Jetson Nano Case (C)，另外有 中文版

在购买官方 Jetson 开发板时其模块已经安装完成，为了更好地使用 Jetson Nano，推荐购买 Waveshare 系列的保护壳。

但是不同的 Nano 版型和 Waveshare Jetson Nano Case 的版型有所不同，请确认是正确的版本再购买。

渠道商的产品差异

不同的提供商的 Jetson Nano 略有差异，例如 B01 型号有不同的版型，也有包含 eMMC 的版型，如果是这些板块请到对应官网阅读使用说明。

这里使用的是金属壳套装（即 C 型号），请参考 官方 Wiki 以进行适配安装，其他型号同理。

有一些可选的硬件：

• 摄像头
• 无线网卡
• TF 卡

可任意选择，以方便硬件开发。

2. 安装系统

推荐参考 Jetson Nano 官方指南 进行安装，安装系统时最好有显示屏，完成初始化配置后可以使用 SSH 连接。

下载 Jetson Nano 系统镜像，最新版下载地址。如果需要其他版本的镜像，请到 下载中心 查看，下载中心同样有中文版：下载中心（中文）。

使用 Rufus 或者 balenaEtcher 等烧录软件，烧录下载得到的镜像文件到 U 盘或者 SD 卡。建议容量大于等于 64 GB，可能会安装各种驱动和软件。

通过 U 盘或 SD 卡启动即可。

3. 安装开发基本环境

此环境可以基于不同版本的 Python，其对应版本可参考 官方博客，本文基于官方镜像的 Python 3.6。不同的版本使用 JetPack 版本也不同，本文支持的 JetPack 版本：

• JetPack 4.4 (L4T R32.4.3)
• JetPack 4.4.1 (L4T R32.4.4)
• JetPack 4.5 (L4T R32.5.0)
• JetPack 4.5.1 (L4T R32.5.1)
• JetPack 4.6 (L4T R32.6.1)

3.1 设置环境

更新源：

sudo apt update
sudo apt upgrade

更新 pip 和镜像：

sudo apt install python3-pip
python3 -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

发行版本

下面的设置基于 Ubuntu 18，其他版本请参考官方网站。

安装 CUDA 工具包和 cuDNN：

sudo apt install cuda-toolkit-10-2
sudo apt install libcudnn8

安装 TensorRT 和 TensorRT Python 包：

sudo apt install nvidia-tensorrt
sudo apt install python3-libnvinfer

添加 CUDA 工具路径到 PATH：

echo 'export PATH=$PATH:/usr/local/cuda-10.2/bin' >> ~/.bashrc
source ~/.bashrc

安装 VPI：

sudo apt install libnvvpi1 vpi1-dev vpi1-samples vpi1-demos

3.2 安装 PyTorch

请确保选择正确的 PyTorch 和 Torchvision 版本。

其中 v0.8.0 和 Python 3.6 对应，其他版本对应表如下。

PyTorch 版本	Torchvision 版本
PyTorch v1.6	torchvision v0.7.0
PyTorch v1.7	torchvision v0.8.1
PyTorch v1.8	torchvision v0.9.0
PyTorch v1.9	torchvision v0.10.0
PyTorch v1.10	torchvision v0.11.1
PyTorch v1.11	torchvision v0.12.0
PyTorch v1.12	torchvision v0.13.0

PyTorch v1.6.0 到 PyTorch v1.10.0 使用 Python 3.6，PyTorch v1.11.0 到 PyTorch v1.12.0 使用 Python 3.8。

wget https://nvidia.box.com/shared/static/p57jwntv436lfrd78inwl7iml6p13fzh.whl -O torch-1.8.0-cp36-cp36m-linux_aarch64.whl
sudo apt install python3-pip libopenblas-base libopenmpi-dev libomp-dev
pip3 install Cython
pip3 install numpy torch-1.8.0-cp36-cp36m-linux_aarch64.whl

如果下载不方便可以在电脑上下载后传到 Nano 上。

3.3 安装 Torchvision

先安装 Pillow：

pip3 install pillow

然后执行下面的命令编译安装 Torchvision：

sudo apt install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev

git clone --branch v0.8.0 https://github.com/pytorch/vision torchvision
cd torchvision
export BUILD_VERSION=0.8.0
python3 setup.py install --user

检查安装结果：

import torch

print(torch.__version__)
print('CUDA available: ' + str(torch.cuda.is_available()))
print('cuDNN version: ' + str(torch.backends.cudnn.version()))
a = torch.cuda.FloatTensor(2).zero_()
print('Tensor a = ' + str(a))
b = torch.randn(2).cuda()
print('Tensor b = ' + str(b))
c = a + b
print('Tensor c = ' + str(c))

import torchvision
print(torchvision.__version__)

3.4 安装 torch2trt

pip3 install packaging
git clone https://github.com/NVIDIA-AI-IOT/torch2trt --depth 1
cd torch2trt
sudo python3 setup.py install --plugins

4. 高性能模式

除了 无桌面模式 和 swap 虚拟内存 外，还可以提高功耗和解除硬件限制来提高性能。

查看当前工作模式：

sudo nvpmodel -q

将工作模式设置为最大功率（10 W）：

sudo nvpmodel -m 0

将工作模式设定为低功率（5 W）：

sudo nvpmodel -m 1

解除硬件限制：

sudo jetson_clocks