在通过大半个月的不断尝试和网上攻略的查找，终于在TX1上完成了jetson-inference的运行。期间碰到了一些问题，这里一并给出相应的解决方式，但是每个人碰到的问题原因有很多，这里的方法仅供参考，如有误之处希望大佬多多指正，共同提高。

第一步，对TX1刷机

刷机前需要连接完成的部件

1. 两根网线（分别将电脑和TX1连接在同一个有网络的路由器）；

1. Micro-USB连接线（连接电脑和TX1）；

1. 笔记本（win10，带ubuntu18.04的虚拟机）；

1. HDMI高清线（连接显示屏和TX1）；

1. 有HDMI接口的显示屏；

1. 鼠标、键盘；

1. 路由器；

1. USB拓展坞(TX1只有一个USB接口，需要拓展，连接键鼠等设备)；

1. SSD固态硬盘。

安装Nvidia Sdkmanager与刷机操作

打开Ubuntu后，

首先需要安装Nvidia Sdkmanager(官网：https://developer.nvidia.com/drive/sdk-manager)，并且在Nvidia官网注册账号以供后续使用。

安装指令：

sudo apt install ./sdkmanager_[version]-[build#]_amd64.deb

以上部件全部连接完毕之后，

输入以下指令检查电脑Ubuntu是否与TX1连接成功。

lsusb

打开Sdk manager，输入注册的账号密码，登陆操作都完成后进入以下界面。

这里需要将TX1置为Recovery模式：按下电源键开启TX1，过一会按住REC键不动，再按一下RST键停一两秒再松开，再等一两秒松开REC键，此时Sdkmanager就会检测到相应的型号。

这里我下载的JetPack版本是4.6.3,你也可以选择其他版本；需要注意的是Target Hardware部分需要显示出当前连接的设备则表示连接成功；DeepStream一般不勾选，太大。（需要给主机ubuntu留足空间，最好30G以上）

空间不够可以参考这个链接：https://blog.csdn.net/fanjufei123456/article/details/123517885

选择确定后，点击CONTINUE来到STEP2

第二步就是下载环节，建议全部下载后再安装，即将下面两个选项都勾选。下载完成之后，先返回STEP1后再次进入STEP2，这时只需勾选左边的选项，即可开始安装。

安装期间出现类似下面的提示，不用管，点击yes继续（不点击不清楚还会不会安装），安装过程中最好自己一直守着电脑看着，有时会卡在某个节点不动一段时间，不用急，耐心等。（个别情况时间等待过长需要重新刷）

这里将进入一段时间的等待过程，直到跳到下面的刷机界面才算是成功一半。

选择手动安装(Manual Setup)，用户名我看很多博主写的ubuntu就跟个风，密码也是ubuntu，完成之后点击flash。这边可能还需要重复进行一次上述的Recovery操作。

再次经过长时间的等待，进入以下界面，之前我直接install失败了，后来查了一下说是这里需要将连接TX1的网线拔了再插上去，然后就可以install了。

再再经过更加漫长的等待，如果你最终看到下图，恭喜你终于安装成功了。

检测JetPack安装是否成功的办法

在以上完成之后，TX1连接的显示屏这时已经可以显示桌面了，这时打开终端输入以下指令：

jetson_release -v

第二步，让TX1从硬盘启动

上述安装完成之后，TX1内存就剩几百兆了，这里提供加载固态硬盘的方法。

(参考文章：https://blog.csdn.net/qq_38898517/article/details/109116191)

首先将SSD硬盘插到TX1上，点击ubuntu主界面左上角如下图位置，输入disk，点击Disks图标

选择你插入的SSD硬盘，点击如下图的设置按钮，选择格式化操作。

卷名自己定义，类型选择Ext4，然后开始格式化

完成格式化后点击启动器的硬盘图标，硬盘自动挂载，此时按住Ctrl+L，即可显示硬盘路径，将其路径复制复制。

在终端输入

sudo cp -ax / '你的硬盘路径' //修改启动路径
cd /boot/extlinux
sudo cp extlinux.conf extlinux.conf.original
sudo gedit /boot/extlinux/extlinux.conf  

初始文件如下图所示

修改后：

这里的"/dev/sda1"在下图device位置查看。

ubuntu18.04只需修改上述三个部分，与参考文章有所不同。

文件内容改完之后，保存重启TX1即可。

输入以下指令即可查看是否更改成功。

df -hl

第三步，Jetson inference运行

(参考文章：https://github.com/dusty-nv/jetson-inference)

大体部分按照上面的顺序一步步的来，这里做一些补充。

pytorch的安装

whl文件下载地址：https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048

参考网址：https://blog.csdn.net/qq_41660112/article/details/123715549

根据你所安装的Jetpack版本以及python版本选择对应的pytorch版本进行下载,我下载的是1.10.0版本。

python3.6输入下列指令即可安装：

sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
pip3 install Cython
pip3 install numpy torch-1.10.0-cp36-cp36m-linux_aarch64.whl

python2.7输入下列指令即可安装:

sudo apt-get install libopenblas-base libopenmpi-dev
pip install future torch-1.4.0-cp27-cp27mu-linux_aarch64.whl

检测是否安装成功

python3    //进入python3
import torch //载入pytorch
print(torch.__version__) //查看pytorch版本

torchvision的安装

版本对应关系：https://catalog.ngc.nvidia.com/orgs/nvidia/containers/l4t-pytorch

安装指令：

$ sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
$ git clone --branch version https://github.com/pytorch/vision torchvision   # 更改第一个vision为你pytorch对应的版本，如v0.11.0
$ cd torchvision
$ export BUILD_VERSION=0.x.0  # where 0.x.0 is the torchvision version
$ sudo python setup.py install     # use python3 if installing for Python 3.6
$ cd ../  # attempting to load torchvision from build dir will result in import error
$ pip install 'pillow<7' # always needed for Python 2.7, not needed torchvision v0.5.0+ with Python 3.6

Docker容器

由于我是在Docker容器中运行的Jetson inference,下面将讲解如何通过Docker实现jetson-inference的运行。

找到对应版本的docker

拉取镜像：

docker pull dustynv/jetson-inference:r32.6.1

运行容器：

cd jetson-inference
docker/run.sh//退出：exit

将自己编写的程序文件路径挂载到docker

docker/run.sh --volume /my/host/path:/my/container/path

下面运行一个图像识别程序看看，在下载的jetson-inference文件夹中jetson-inference/build/aarch64/bin位置输入以下指令

Python
./imagenet.py images/strawberry_0.jpg images/test/output_1.jpg

最终结果：

sudo：command not found解决方法：

可参考：https://blog.csdn.net/hello_1995/article/details/109222650

目前写这么多，后续再补充。。