配置说明

一、刷机/重装系统

二、环境配置

三、参考

一、刷机/重装系统(系统损坏时可按以下步骤重装系统)

1）刷机之前的准备

（1）装有ubuntu16.04的电脑（主机），因为我们要安装的JetPack3.3支持的是16.04的系统。记住主机的剩余空间要留大一点。

2）下载JetPack3.3，详细步骤如下

（1）下载地址：https://developer.nvidia.com/embedded/jetpack

（2）进入下载页面后选择如下的选项进入下一页

（3） 点击下载进入下面的选项

（4）点击 Ubuntu（64-bit）进入下一项，需要注册登录

（5）有账号的就登录，没账号的就注册 一下，界面如下所示

3） 修改Ubuntu系统自带的软件源

（1）把Ubuntu系统自带的源修改为国内的源，中科大源链接：https://mirrors.ustc.edu.cn/repogen/

deb https://mirrors.ustc.edu.cn/ubuntu/ eoan main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ eoan main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ eoan-security main restricted universe multiverse deb-src https://mirrors.ustc.edu.cn/ubuntu/ eoan-security main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ eoan-updates main restricted universe multiverse deb-src https://mirrors.ustc.edu.cn/ubuntu/ eoan-updates main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ eoan-backports main restricted universe multiverse deb-src https://mirrors.ustc.edu.cn/ubuntu/ eoan-backports main restricted universe multiverse
## Not recommended
# deb https://mirrors.ustc.edu.cn/ubuntu/ eoan-proposed main restricted universe multiverse # deb-src https://mirrors.ustc.edu.cn/ubuntu/ eoan-proposed main restricted universe multivers

（2）在终端输入如下命令备份Ubuntu自带的源

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

（3）在终端输入以下的命令将Ubuntu原有的源替换为上诉国内的源

sudo gedit /etc/apt/sources.list

（4）在终端输入以下的命令来使更改有效

sudo apt-get update

4）JetPack的安装

（1）进入你存放下载的JetPack包的文件夹，在终端输入以下命令对更改权限

chmod +x ./JetPack-L4T-3.3-linux-x64_b39.run

（2）接着在终端输入以下命令执行安装

sudo ./JetPack-L4T-3.3-linux-x64_b39.run

实际操作效果如下图所示，此时出现弹出窗口-Error。

别急，出现的原因是之前已经更改了权限，这里再使用 sudo 就会报错，故我们不使用 sudo执行命令即可，

./JetPack-L4T-3.3-linux-x64_b39.run

最终的实际图如下所示图所示。

（3） 在弹出的页面上点击 Next出现如下的页面

（4）继续点击Next出现如下页面

（5）选择“ Jetson TX2 ”继续点击 Next出现如下的页面

（6）选择 “ full ”选项，然后继续点击 Next出现如下的页面

（7）全部选择接受，继续点击Next，出现如下的页面

（8）输入密码。继续点击Authenticate，出现如下的界面

特别注意：根据需要选择安装Action，如若仅需要重装系统，则只需将Target下 linux for。。以及Flash OS image保持install状态，其他安装项更换为no action状态即可！！！

（9） 等下载完，继续点击 Next出现如下的界面

（10）继续点击 Next 出现如下的界面

（11）选择上图所示， 此时用一根网线将TX2和主机连入同一个路由器，并ping以下看能否ping通，具体实际图如下

（12）继续点击操作（10）的Next出现如下的界面

（13） 选择默认，继续点击 Next出现如下的界面

（14）继续点击 Next 出现如下的界面

（15）此时，将TX2断电，并将TX2开发板的 microUSB 和主机相连，然后再将TX2上电开机，紧接着按下TX2的RECOVERY按键不松手，接着按下RESET按键并松手2秒后再松开RECOVERY按键。一定要按顺序来。

（16）再重开一个终端，输入命令：lsusb，看是否出现有 “NVIDIA Corpration”等设备，如出现则说明已成功进入Recovery模式。实际图如下

（17）当成功进入Recovery模式后， 我们便在如下的界面终端中按入 Enter 进行后面的操作

（18）在（17）操作执行完以后便开始进行刷机，这期间就是等待，然后在等待的过程中不出意外会遇到下面的坑，主机一直搜索TX2的IP地址，无法进行下去。但是此时你主机和TX2却是能相互ping通的，然后你就蒙了，不知咋办。别急，后面有奇招。

（19）出现上诉坑时， 我们先别选 2 选项，在TX2的系统上，我们进入 home 文件下发现有 “ report_ip_ to_host.sh ”，我们在终端用权限打开该文件，并在文件里面写上主机的 IP 地址。然后在TX2的终端执行如下的命令，主机端执行 Retry 即可解决上诉问题，接着执行剩余的刷机工作。

（20） 紧接着在执行过程中又会跳出如下的问题，显示不能在TX2上安装cuda，这我们可就不乐意了，你不让我安装 cuda，那我用TX2来有何用，对吧，既然这种方式不能安装，那我们就跑到TX2上面去按照提示自己安装。凡是遇到这种类似的情况我们都根据他的提示跑到TX2上面去自己安装即可解决。

（21）上诉操作完成后等一会儿便会最终进入下面的界面，此时，恭喜你，你已刷机成功。可以去嗨了。

（22） 关闭上诉终端，不要移除已下载的文件，万一以后还要刷多次呢，点击 finish 完成退出。

至此，系统刷机完成。接下来要进行深度学习环境配置工作。

二、环境配置

本人已经提供相应安装包放置于tx2-software文件夹下，如需配置安装其他环境请自行下载安装

链接：https://pan.baidu.com/s/1R6fGJ1EElr3lI7b79cyYWw 
提取码：girg

首先将tx2-software拷入 tx2的 /home/nvidia/目录下

0.更新tx2更新源

  1. sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak    #为防止误操作后无法恢复，先备份原文件sources.list
  2. sudo vim /etc/apt/sources.list   #打开sources.list，将原来的内容使用”#”符号全部注释掉，然后在文件结尾出添加中国科学技术大学或清华的源

将文件改为国内源（注意修改之前先将原文件备份），还有一点要注意，换源需要换ARM的源，不要换成了pc平台的软件源。这里推荐两个国内源，将原来文件里面的内容全部替换成下面两个源之一就可以：

清华源：

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

中科大源：

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

替换之后，执行

sudo apt-get update

1.cuda安装

CUDA® 是NVIDIA 创造的一个并行计算平台和编程模型。它利用图形处理器 (GPU)能力，实现计算性能的显著提高。借助目前已售出的数百万支持 CUDA 的 GPU，软件开发人员、科学家和研究人员正在各种各样的应用程序中使用 GPU 加速计算。CUDA工具包为C和C ++开发人员构建提供了一个全面的开发环境 ，GPU加速的应用程序。该工具包包括用于NVIDIAGPU的编译器，数学库以及用于调试和优化应用程序性能的工具。

版本查看：

安装Cuda（TX2已经自带，检查后可跳过这一步）

若没有跳出cuda的版本，则需手动安装cuda：

1）手动安装

cd /home/nvidia/tx2-software/cuda

chmod 777 cuda-repo-l4t-8-0-local_8.0.84-1_arm64.deb

bash cuda-l4t.sh cuda-repo-l4t-8-0-local_8.0.84-1_arm64.deb 8.0 8-0

若出现缺少依赖项错误，则需要使用

sudo apt-get install -f 解决

按照以上命令下载cuda安装包

若无cuda安装包，则可使用

$ wget http://developer.download.nvidia.com/devzone/devcenter/mobile/jetpack_l4t/013/linux-x64/cuda-repo-l4t-8-0-local_8.0.84-1_arm64.deb

然后安装cuda：

$ sudo dpkg -i cuda-repo-l4t-8-0-local_8.0.84-1_arm64.deb

$ sudo apt-get update

$ sudo apt-get install cuda-toolkit-8-0

2）环境配置

sudo vim ~/.bashrc

将下面指令添加到最后

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

source ~/.bashrc

使用nvcc -V验证cuda是否安装成功

如果需要卸载：

cd /usr/local/cuda/bin sudo

./uninstall_cuda_8.0.pl

sudo rm -rf cuda-8.0

2.cudnn

NVIDIA Cudnn是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA Cudnn可以集成到更高级别的机器学习框架中，如加州大学伯克利分校的流行CAFFE软件。简单的，插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。

Cudnn支持的算法

1. 卷积操作、相关操作的前向和后向过程。

2. pooling的前向后向过程

3. softmax的前向后向过程

4. 激活函数的前向后向过程

a)ReLU

b)sigmoid

c)TANH

5. Tensor转换函数，其中一个Tensor就是一个四维的向量。

安装Cudnn

cd /home/nvidia/tx2-software/cudnn
sudo dpkg -i libcudnn6_6.0.21-1+cuda8.0_arm64.deb
sudo dpkg -i libcudnn6-dev_6.0.21-1+cuda8.0_arm64.deb
cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

3.python安装

Python是一种广泛应用在深度学习开发设计的计算机语言，它具自己的相关特色，比如它具有十分简捷的语言技能，以下的文章就是对Python特色的相关实际介绍，以下就是文章的具体问题的相关描述。

Tx2上默认是python2版本的，已经过时了，因此我们需要讲原始python替换为python3

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100

sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150

把两个版本的python加入到alternatives列表中，然后运行以下命令配置

sudo update-alternatives --config python

选择python3 版本 然后退出 运行python 查看版本

4.pip安装

1)安装pip

sudo apt-get install python3-pip

2) 查看版本

pip3 -V

3)升级版本

pip3 install --upgrade pip

4)错误解决（若发生如下错误）

解决：

7)解决问题

sudo chmod 777 /usr/bin/pip3

sudo vim /usr/bin/pip3

将原来的：

from pip import main

if __name__ == '__main__':

sys.exit(main())

改为：

from pip import __main__

if __name__ == '__main__':

sys.exit(__main__._main())

问题得到解决：

5.tensorflow-gpu安装

Tensorflow是Google开源的基于数据流图的深度学习框架，支持python和c++程序开发语言。轰动一时的AlphaGo就是使用tensorflow进行训练的，其命名基于工作原理，tensor 意为张量（即多维数组），flow 意为流动。即多维数组从数据流图一端流动到另一端。目前该框架支持 Windows、Linux、Mac乃至移动手机端等多种平台。

安装：

可以使用pip命令直接安装，但通常版本不合适，如需其他版本可自行下载安装

本文使用下载好的tensorflow 1.4.1版本进行安装

  1. cd /home/nvidia/tx2-software
  2. sudo pip install tensorflow-1.4.1-cp35-cp35m-linux_aarch64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple
  3. 可以加入在上述命令后加入 -i https://pypi.tuna.tsinghua.edu.cn/simple 指定清华源

可在jetson官方下载中心下载对应的python版本的whl文件，然后用cd命令定位到whl文件，然后使用类似以下命令：

sudo pip install tensorflow-1.4.1-cp35-cp35m-linux_aarch64.whl

运行python

import tensorflow as tf

tf.__version__

若出现上图所示warning ，则是因为numpy版本过高，因此需要将numpy降级

先卸载numpy

  1. sudo pip3 uninstall numpy

再将numpy降级

  1. sudo pip3 install numpy=1.16.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

tf.__version__

表示安装成功

6.keras安装

Keras是基于TensorFlow和Theano（由加拿大蒙特利尔大学开发的机器学习框架）的深度学习库，是由纯python编写而成的高层神经网络API，也仅支持python开发。它是为了支持快速实践而对tensorflow或者Theano的再次封装，让我们可以不用关注过多的底层细节，能够把想法快速转换为结果。Keras默认的后端为tensorflow，如果想要使用theano可以自行更改。tensorflow和theano都可以使用GPU进行硬件加速，往往可以比CPU运算快很多倍。因此如果你的显卡支持cuda的话，建议尽可能利用cuda加速模型训练。

1)安装依赖项

  1. sudo apt-get install python3-scipy
  2. sudo pip3 install cython -i https://pypi.tuna.tsinghua.edu.cn/simple
  3. sudo apt-get install libhdf5-dev
  4. sudo apt-get install python3-h5py
  5. sudo apt-get install libfreetype6-dev
  6. sudo pip3 install pypng
  7. pip3 install libpng-devel
  8. sudo pip3 install python3-matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

若出现如下错误

解决方法：

  1. sudo apt-get install libfreetype6-dev
  2. sudo pip3 install pypng
  3. pip3 install libpng-devel
  4. sudo pip3 install matplotlib

2)安装keras

sudo pip3 install keras -i https://pypi.tuna.tsinghua.edu.cn/simple

7.opencv安装

openCV 是一个开放源代码的计算机视觉应用平台，目标是实现实时计算机视觉

1.git clone https://github.com/Alro10/OpenCVTX2.git

2.cd OpenCVTX2

3.vim buildOpenCV.sh

4.将.sh文件中的cuda改为8.0

5.将opencv3打开  opencv2关闭

保存退出

  1. chmod 777 buildOpenCV.sh
  2. ./ buildOpenCV.sh

若出现如下错误

E: Sub-process /usr/bin/dpkg returned an error code (1)错误解决

在用apt-get安装软件时出现了类似于

install-info: No dir file specified; try --help for more information.dpkg：处理 gettext (--configure)时出错： 子进程 post-installation script 返回了错误号 1 在处理时有错误发生：

findutils

E: Sub-process /usr/bin/dpkg returned an error code (1)

办法如下：

1.$ sudo mv /var/lib/dpkg/info /var/lib/dpkg/info_old 　　　　——现将info文件夹更名2.$ sudo mkdir /var/lib/dpkg/info 　　　　　　　　　　　　 ——再新建一个新的info文件夹3.$ sudo apt-get update　　　　　　　　　　　　　　　　 ——更新软件源$ sudo apt-get -f install 4.$ sudo mv /var/lib/dpkg/info/* /var/lib/dpkg/info_old  　　　 ——执行完上一步操作后会在新的info文件夹下生成一些文件，现将这些文件全部移到info_old文件夹下5.$ sudo rm -rf /var/lib/dpkg/info 　　　　　　　　　　　　  ——把自己新建的info文件夹删掉6.$ sudo mv /var/lib/dpkg/info_old /var/lib/dpkg/info 　　　　 ——把以前的info文件夹重新改回名字

到此问题顺利解决！

运行生成opencv文件夹 在build里编译安装。

  1. cd ~/opencv/build
  2. sudo make
  3. sudo make install

查看安装版本：pkg-config opencv --modversion

三、参考链接

https://blog.csdn.net/DeepWolf/article/details/88640937

https://www.jianshu.com/p/bb4587014349

Nvidia TX2 刷机+深度学习环境配置(cuda 8.0+python 3.5+opencv 3.4+tensorflow 1.4.1+keras+pip3)相关推荐

  1. Ubuntu 18.04深度学习环境配置（CUDA9.0+CUDDN7.4+TensorFolw1.8）

    因为Ubuntu18.04刚发布不久,在安装CUDA和CUDNN中还没有匹配版本,最高也是17.04的版本,但实际上18.04的版本具有很强的兼容性.为避免读者踩坑,本文测试成功了Ubuntu18.0 ...

  2. 基于Ubuntu 18.04机器人操作系统环境和深度学习环境配置

    基于Ubuntu 18.04机器人操作系统环境和深度学习环境配置详解 CUDA+Cudnn+ROS+anaconda+ubuntu装机必备 笔记本双系统安装 U盘启动项安装ubuntu18.04.1 ...

  3. ubuntu系统(八)：ubuntu18.04双系统安装+ros安装+各种软件安装+深度学习环境配置全家桶

    0 说明 1.安装ubuntu18.04系统 1.1 ubuntu18.04镜像地址(可以用迅雷等下载): 1.2 下载Rufus: 1.3 制作镜像: 1.4 磁盘分区 1.5 关闭win11快速启 ...

  4. 【深度学习环境配置】Anaconda +Pycharm + CUDA +cuDNN + Pytorch + Opencv（资源已上传）

    文章目录 一.推荐系列 1.1.大神视频详细讲解 1.2.最全最简易的保姆教程 1.3.百度网盘资源 二.环境配置 2.0.查看已安装软件的版本号 2.1.Anaconda安装 2.2.Pycharm ...

  5. Ubuntu深度学习环境配置一箩筐

    Ubuntu深度学习环境配置一箩筐 前言:我从其它专业转到深度学习方向,由于最开始接触的时候缺乏很多计算机方面的系统知识,所以环境配置中常常出现各种问题而不知其所.网上同一个问题往往有多种解决方案而有 ...

  6. 深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6

    系统环境:Win10 Python版本:3.7.6 CUDA版本:10.0 cuDNN版本:7.6.5 Tensorflow-gpu版本:2.0.1 PyTorch版本:1.2.0 深度学习环境配置W ...

  7. 深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）

    ↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:伍天舟.马曾欧.陈信达 入门深度学习,很多人经历了从入门到放弃的心 ...

  8. 深度学习环境配置指南：Pytorch、TensorFlow、Keras

    点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达 作者丨Yukyin@知乎 来源丨https://zhuanlan.z ...

  9. 【深度学习】相当全面的深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）...

    作者:伍天舟.马曾欧.陈信达 入门深度学习,很多人经历了从入门到放弃的心酸历程,且千军万马倒在了入门第一道关卡:环境配置问题.俗话说,环境配不对,学习两行泪. 如果你正在面临配置环境的痛苦,不管你是W ...

最新文章

  1. EMC设计中电缆屏蔽使用方法
  2. java8学习：新的日期使用
  3. Android之对Volley网络框架的一些理解
  4. discuz手机版模板开发
  5. redistemplate set方法_spring boot整合redis ---- RedisTemplate 三分钟快速入门
  6. 112. Path Sum 路径总和
  7. java怎样输出闰年,Java 小日历格式输出 闰年计算
  8. 开源呼叫中心软件 GOautodial 存在两个漏洞，可导致RCE
  9. Fultter之Future用法入门
  10. python做后端速度慢吗_【后端开发】python如何提高运行速度
  11. Kepware OPC与服务器通讯
  12. 计算机不用鼠标怎么移动,如何在不使用鼠标的情况下拖动文件
  13. 大话谈VUE之export const
  14. 韩顺平零基础循序渐进学Java——自学笔记
  15. 打开网络连接三种方法
  16. springBoot整合mybatis步骤
  17. 技术干货丨《大天使之剑H5》主程与项目总监：H5游戏的压缩与优化经验
  18. 微商城如何借势618微信营销？5分钟完成活动策划案
  19. 速度来！《软技能：代码之外的生存指南 (第2版)》送书4本
  20. vue全家桶+Echarts+百度地图，搭建数据可视化系统

热门文章

  1. C++ 类的成员变量
  2. AI作图在线软件怎么快速生成图片？只需要这3步！
  3. Java毕业设计_养生APP的设计与实现
  4. 我的新家 欢迎各位客官前来围观！ Oltremare.cc
  5. python 发邮件正文表格 html
  6. 集简云 x 度量科技丨打通企业微信OA审批与招银云直联，实现支付信息自动同步网银系统
  7. flex 布局的浏览器兼容性方案
  8. 大数据软件、阿里云大数据快速解决海量数据
  9. java run on server_web项目没有run on server时..
  10. Windows系统的MBR磁盘分区--MBR的结构和作用（三）之主磁盘分区的结构