Jetson Xavier NX刷机安装JetPack 5.1.2，配置CUDA11.4，Tensorrt8.5.2、Opencv4.5.4

Jetson Xavier NX 下刷机升级JetPack5.1.2，以及配置相关环境。本文记录了刷机流程以及踩坑记录。

文章共5,231字 · 阅读需要大约18分钟

一键AI生成摘要，助你高效阅读

问答

ayxc_ve

3329人浏览 · 2023-11-02 21:36:33

ayxc_ve · 2023-11-02 21:36:33 发布

文章目录

前言
一、准备工作
二、配置虚拟机Ubuntu系统（主机已配置可跳过）
三、安装NVIDIA SDK管理器
四、开始刷机
五、设置SSD启动
六、安装CUDA环境及其他组件
七、重装OpenCV4.5.4
八、安装Pytorch, torchvision,shapely,scipy以及ONNX
总结
参考

前言

Jetson Xavier NX 下刷机升级JetPack5.1.2，本文记录了刷机流程以及踩坑记录。

一、准备工作

必备：Jetson Xavier NX开发板（带128G内存）、官方标配 19V 电源适配器+线、Micro USB 数据线、跳线帽/跳线、Ubuntu host 主机（可装载虚拟机）、SDK Manager
可选：USB 键盘和鼠标、电脑显示器（HDMI 或 DP）（后续安装重启之后需连接开发板上使用）

二、配置虚拟机Ubuntu系统（主机已配置可跳过）

1.在主机上安装VMware虚拟机软件，建议安装15.5及以上版本，之后点击下一步，完成安装，最后可以选择试用软件。（这里我提供了使用到的VMware15.5版本安装包及Ubuntu-18.04.5-desktop-amd64.iso镜像文件）链接：Here 提取码：t2bn
2.单机创建新的虚拟机，导入Ubuntu-18.04.5-desktop-amd64.iso镜像文件安装并打开。（磁盘大小最好设置高一些，建议条件允许的话设置40G及以上，JetPack 5.1.2版本的 Jetson OS 主机组件有18G左右的空间需求）
在这里插入图片描述

三、安装NVIDIA SDK管理器

安装好的ubuntu 系统后，继续安装 sdkmanager 工具，在 ubuntu 系统的浏览器中访问官方网址下载最新版本SDK Manager ，下载地址：https://developer.nvidia.com/nvidia-sdk-manager ，注册NVIDIA 开发者账号后就可以下载。
在这里插入图片描述

下载完成后在Downloads文件夹下打开终端，执行以下命令安装sdkmanager

$ sudo apt install ./sdkmanager_2.0.0-11402_amd64.deb   //可以按tab键补齐

安装结束之后在命令行输入 sdkmanager，打开安装好的sdk manager

$ sdkmanager

会出现以下提示框，勾选不再提示信息并点击Yes
在这里插入图片描述
进入到NVIDIA SDK MANAGER登入界面，勾选Stay logged in 并点击LOGIN，之后弹出浏览器的NVIDIA账号登入提示，输入刚才注册的NVIDIA 开发者账号后登入成功

出现以下界面，NVIDIA SDK MANAGER安装完成

四、开始刷机

刷机之前，先使用跳线帽/跳线的两端分别连接Jetson Xavier NX开发板的第三个引脚FC_REC与第四个引脚GND（开发板进行短接后，通电会进入recovery模式），之后电源端口接入 19V 电源, Micro-usb 端口接入配套的 Micro USB 线连到上一步骤配置好ubuntu 系统的主机上。
连接 Jetson 设备后，虚拟机会弹出一个连接 USB 设备的窗口，选择连接到虚拟机，并点击选中下面的虚拟机名称，但不要勾选记住此选择，点击确定。
在这里插入图片描述
弹窗选择板子的型号：Jetson Xavier NX（可以在终端中使用lsusb命令确认有没有Nvidia的ID信息）

在 Step 01 Development Environment 窗口中，选择以下内容：
从 Product Category 面板中，选择 Jetson；
在 Hardware Configuration 中，选择主机和目标硬件（不用勾选 Host Machine）；
在 Target Operating System 中，选择操作系统和 JetPack 版本，我的设备是 Jetson Xavier NX ，选择的是 Jetpack5.1.2 版本。
只选择这三项，选择完毕后，单机继续以进行下一步。
在这里插入图片描述

在 Step 02 Details and License 窗口中，可以展开主机组件和目标组件面板以查看将安装在系统上的组件，这里因为核心模组 eMMC 只有 16G，我们只选择 Jetson OS 主机组件。等将系统迁移到SSD上面后，再进行其他SDK组件的安装。
在这里插入图片描述
选择我接受，以接受许可协议的条款和条件；选择继续下一步，开始安装，注意，这个时候不可以拔掉跳线帽和USB接口！
在安装开始之前，SDK Manager 会提示输入 ubuntu 主机密码。

然后会显示软件下载和安装的进度。注意，这个时候不可以拔掉跳线帽和USB接口！
在这里插入图片描述
当下载完成要刷新目标设备时，SDK Manager 会弹出创建 Jetson 的用户名和密码的对话框。

最后等待系统下载且烧写完成，进度条结束后，Jetson Xavier NX会重启，这个时候可以拔掉跳线帽和USB接口。

连接上显示屏，开机后连上键鼠，输入之前预设的账号和密码启动ubuntu系统，在设置中分别连接wifi、添加中文输入法、设置快捷键等基本操作。
在这里插入图片描述

五、设置SSD启动

先设置已安装的SSD，在菜单中搜索Disks并点击启动磁盘应用程序
在这里插入图片描述
之后将看到安装好的 128G 固态硬盘，单击右上角三条横项选项，选择格式化(Format Disk)，选择预设的 GPT，再次确认要格式化(Format)，接着输入系统密码，授权进行格式化。

单击+号进行分区，选择主分区的大小，本文建议主分区容量为 112GB，也可以根据自身需求做调整，单击 NEXT进行下一步。
在这里插入图片描述
给分区起个名称，类型要选择 Ext4，然后单击 Create，提示输入系统密码，设置完成。

现在，已成功创建分区，但它还没有挂载。接下来使用命令安装它，使系统启动从 SSD 启动。
首先，复制该项目，打开一个终端，输入以下命令

$ git clone https://github.com/jetsonhacks/rootOnNVMe.git

进入目录

$ cd rootOnNVMe

根源文件复制到您的 SSD

$ ./copy-rootfs-ssd.sh

运行./setup-service.sh 后重新启动系统以使服务生效。

$ ./setup-service.sh

查看内存，会发现变成了109G。
在这里插入图片描述

六、安装CUDA环境及其他组件

打开终端执行以下命令:

$ sudo apt update
$ sudo apt install nvidia- jetpack

通过上述官方安装命令，Jetson Xavier NX 中已经安装了 CUDA 版本，但是此时你如果运行 nvcc -V 查看版本是不会显示的，需要你把 CUDA 的路径写入环境变量中。

$ sudo vim ~/.bashrc #使用 Vim 编辑环境变量

在最后添加下面两行

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

保存退出，执行以下语句生效，再运行 nvcc -V 就能看到 CUDA 版本

$ source ~/.bashrc

安装 pip3

$ sudo apt install python3-pip python3-dev
$ python3 -m pip install --upgrade pip #升级 pip

安装 Jetson-stats 管理工具可用来控制风扇、性能模式，查看系统相关信息，查看 CPU、GPU、温度等情况

$ sudo -H pip3 install jetson-stats

安装后需要重启，运行 jtop，输入命令运行查看系统信息

$ sudo jtop

在这里插入图片描述

至此环境搭建完成。但由于官方下载的OpenCV4.5.4不能使用Cuda加速，所以需要卸载原来的OpenCV并重装OpenCV4.5.4。（上图是已重装好的）

七、重装OpenCV4.5.4

1.卸载OpenCV库

首先卸载自带的OpenCV库，卸载命令如下：

$ sudo apt-get purge libopencv*
$ sudo apt autoremove
$ sudo apt-get update

2.安装依赖库

安装依赖，修改sources.list 文件，替换为国内清华源，为保险起见，可以先把原来的内容复制后备份文档

$ sudo vim /etc/apt/sources.list

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

之后执行下面的命令，安装依赖，其中libjasper1是libjasper-dev的依赖包

$ sudo apt update
$ sudo apt-get install libjasper1 libjasper-dev
$ sudo apt install -y build-essential checkinstall cmake pkg-config yasm git gfortran
$ sudo apt install -y libjpeg8-dev libpng-dev libtiff5-dev libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev libxine2-dev libv4l-dev
$ sudo apt install -y libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libgtk2.0-dev libtbb-dev libatlas-base-dev libfaac-dev libmp3lame-dev libtheora-dev libvorbis-dev libxvidcore-dev libopencore-amrnb-dev libopencore-amrwb-dev x264 v4l-utils
$ sudo apt install python2-dev python3-dev python-numpy python3-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev

3.编译安装OpenCV及OpenCV_contrib

在官方仓库https://github.com/opencv分别下载所需的 opencv 与opencv_contrib 源码，注意两者版本要一致，这里我下载的版本是4.5.4
opencv 4.5.4 官方链接：https://github.com/opencv/opencv/releases/tag/4.5.4
opencv_contrib 4.5.4官方链接：https://github.com/opencv/opencv_contrib/releases/tag/4.5.4
下载后将opencv-4.5.4.tar.gz压缩包放在主目录下，在主目录中打开终端，使用以下命令进行解压

$ tar -xzvf opencv-4.5.4.tar.gz

再将opencv_contrib-4.5.4.tar.gz移动到 opencv-4.5.4目录下，进入到opencv-4.5.4目录中，再次使用解压命令进行解压

$ tar -xzvf opencv_contrib-4.5.4.tar.gz

解压完成后，在opencv-4.5.4目录下创建build 文件,执行 cmake

$ cd opencv-4.5.4
$ mkdir build
$ cd build

在cmake编译之前，手动下载cmake过程中缺失的依赖https://files.cnblogs.com/files/arxive/boostdesc_bgm.i%2Cvgg_generated_48.i%E7%AD%89.rar（建议Windows下载解压成zip格式通过u盘拷入）
解压后直接拷贝以下文件名的源码，放在opencv_contrib/modules/xfeatures2d/src/ 路径下即可

boostdesc_bgm.i
boostdesc_bgm_bi.i
boostdesc_bgm_hd.i
boostdesc_lbgm.i
boostdesc_binboost_064.i
boostdesc_binboost_128.i
boostdesc_binboost_256.i
vgg_generated_120.i
vgg_generated_64.i
vgg_generated_80.i
vgg_generated_48.i

然后打开build文件夹，执行的 cmake命令如下：

cmake \
-D WITH_CUDA=ON \
-D CUDA_ARCH_BIN="7.2" \
-D WITH_cuDNN=ON \
-D OPENCV_DNN_CUDA=ON  \
-D cuDNN_VERSION='8.6' \
-D cuDNN_INCLUDE_DIR='/usr/include/' \
-D CUDA_ARCH_PTX="" \
-D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-4.5.4/modules \
-D WITH_GSTREAMER=ON \
-D WITH_LIBV4L=ON  \
-D BUILD_opencv_python3=ON \
-D BUILD_TESTS=OFF \
-D BUILD_PERF_TESTS=OFF \
-D BUILD_EXAMPLES=OFF \
-D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local \
..

其中-D cuDNN_VERSION版本要和开发板对应，-D OPENCV_EXTRA_MODULES_PATH建议填写opencv_contrib里modules的绝对路径，-D CMAKE_INSTALL_PREFIX为安装路径。
然后执行make进行编译安装，编译过程有点漫长请耐心等待。

$ sudo make -j10

之后执行以下命令安装

$ sudo make install

最后配置环境

$ sudo gedit /etc/ld.so.conf.d/opencv.conf

在打开的文本里面输入：

/usr/local/lib

保存退出，然后在终端输入以下命令即可安装成功

$ sudo ldconfig

通过jtop指令进行查看，即可看到已安装好支持CUDA加速的OpenCV4.5.4版本
在这里插入图片描述

八、安装Pytorch, torchvision,shapely,scipy以及ONNX

1.安装Pytorch和torchvision

官方网站上有不同Jetpack版本对应的pytorch和torchvison版本，根据需要选择进行安装就可，我安装的是pytorch v1.12.0与torchvision 0.13.0
pytorch v1.12.0 链接：https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048
在这里插入图片描述在终端中执行以下命令安装Pytorch：

$ wget https://nvidia.box.com/shared/static/p57jwntv436lfrd78inwl7iml6p13fzh.whl -O torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl
$ sudo apt-get install python3-pip libopenblas-base libopenmpi-dev 
$ pip3 install Cython
$ pip3 install numpy torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl

然后前往官方仓库下载对应版本的torchversion
在这里插入图片描述
torchvision 0.13.0 链接：https://github.com/pytorch/vision/releases/tag/v0.13.0
使用官方命令在终端中执行，安装torchvision：

$ sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libopenblas-dev libavcodec-dev libavformat-dev libswscale-dev
$ git clone --branch <version> https://github.com/pytorch/vision torchvision   # see below for version of torchvision to download
$ cd torchvision
$ export BUILD_VERSION=0.x.0  # where 0.x.0 is the torchvision version  
$ python3 setup.py install --user
$ cd ../  # attempting to load torchvision from build dir will result in import error

验证是否安装成功：

$ python3
...
>>> import torch
>>> torch.__version__
'1.12.0'
>>> import torchvision
>>> torchvision.__version__
'0.13.0'
>>>

正常显示torch和torchvision版本，说明安装成功，输入 exit() 退出。

2.安装shapely

$ sudo apt-get install libgeos-dev
$ pip3 install shapely

3.安装scipy

$ sudo apt-get install libblas-dev checkinstall
$ sudo apt-get install liblapack-dev checkinstall
$ sudo apt-get install gfortran
$ pip3 install scipy

4.安装ONNX及ONNX Runtime

首先安装onnx

$ sudo apt-get install protobuf-compiler libprotoc-dev
$ pip3 install onnx

然后安装ONNX Runtime，对应版本可以参考Here
之后执行以下命令进行安装

$ wget https://nvidia.box.com/shared/static/jy7nqva7l88mq9i8bw3g3sklzf4kccn2.whl -O onnxruntime_gpu-1.10.0-cp36-cp36m-linux_aarch64.whl
$ pip3 install onnxruntime_gpu-1.10.0-cp36-cp36m-linux_aarch64.whl

编译安装完成之后，分别执行import onnx以及import onnxruntime，未出现报错说明安装成功。

总结

本篇博客介绍了关于自己在Jetson Xavier NX 上刷机安装了JetPack 5.1.2，配置了CUDA 11.4，Tensorrt8.5.2，支持CUDA加速的OpenCV4.5.4等环境的流程。其中大部分流程参考了官方源和官方教程以及一些其他博主的教程，这个流程仍然可以适用其他版本环境，希望这个教程可以帮到大家，感谢各位看到最后。