Jetson Nano 重装系统后的一些初始化
Jetson Nano 重装系统后一些初始化
- 前言
- pip工具安装
- Numpy安装
- Jtop工具安装
- nvcc: command not found
- 后续问题持续更新中ing
前言
我给Jetson Nano开发板重新装了NVIDIA官方提供的系统后，系统一片空白，这里记录一下我对Ubuntu的一些配置，作为学习记录，大家也可以一起参考一下。
Jetson Nano官方镜像下载&烧录
pip工具安装
系统重装之后是没有安装pip工具的，我们需要自己手动安装，以满足后续相关包的安装。
打开终端后依次输入下方指令：
sudo apt-get update
sudo apt-get install python-pip
sudo apt-get install python3-pip
依次输入下方指令，检查pip安装情况。
pip --version
pip3 --version
pip 和 pip3 安装完成！
Numpy安装
我这边后面需要部署机器学习和深度学习模型，pip安装好后，顺手就把Numpy安装上了。
打开终端后输入下方指令：
pip install numpy
pip3 install numpy
我在 pip 和 pip3 安装Numpy时都中断过，这是由连接超时引起的，无法下载安装包。
如果想省时间在后面加一个pip源就好（可以搜一下更改pip下载源），或者尝试多安装几次也可以。
依次输入下方指令，检查Numpy安装情况
python2 -c "import numpy; print(numpy.version.version)"
python3 -c "import numpy; print(numpy.version.version)"
Numpy 安装成功！
Jtop工具安装
玩Jetson设备必定少不了一个工具就是Jtop，Jtop是一个实时监控系统，它提供了有关Jetson硬件使用情况的详细信息。
在jtop的界面中，可以显示CPU、GPU、内存等硬件的使用情况，以及各个传感器的温度读数等。
这些信息可以帮助用户了解计算机硬件的运行状态，以确保其正常运行。
安装Jtop工具需要使用上面的pip3进行安装，所以先确保pip3已经安装完成。
输入下方指令安装jtop:
sudo -H pip3 install -U jetson-stats
安装完成后，重新启动jtop服务程序。
sudo systemctl restart jetson_stats.service
这一步可能会提示找不到 jetson_stats.service 这个服务程序，没关系，直接输入下方指令重启就好。
sudo reboot
重启完成后，在命令行终端输入jtop按回车，进入资源查看界面，如下图所示：
jtop
常用参数如下：
Model：是本设备的型号和版本；
下面1~4：表示CPU使用情况；
MEM：显示的的是已使用内存和总内存信息；
FAN：表示风扇转速的百分比；
Swp：表示交换分区，即系统运行较大规模的运算时，系统会提醒Swap空间不足；
Uptime：表示系统的运行时间；
GPU：表示GPU的使用率；
DSK：表示磁盘使用情况；
在上图中，最下方有1~7，Q共八个选项，可以直接在键盘输入数字“1~7”进入相对应的界面，或者字母“Q”退出，也可以直接按左右方向键进行页面切换。
例如我下面选择了数字7 所对应的信息页面，就可以查看到各个包版本信息，包括Python、CUDA、cuDNN、OpenCV、TensorRT等等。
综上，jtop安装完成！
页面具体的参数信息和含义可以参考下方链接，写的很详细！
参考链接： Jtop显示页面显示内容和功能解读
nvcc: command not found
nvcc命令是 NVIDIA CUDA 编译器，就类似于gcc是c语言的编译器，用于编译 CUDA 代码并生成 GPU 可执行文件。由于程序是要经过编译器编程成可执行的二进制文件，而cuda程序有两种代码，一种是运行在CPU上的host代码，一种是运行在GPU上的device代码，所以nvcc编译器要保证两部分代码能够编译成二进制文件在不同的机器上执行。nvcc涉及到的文件后缀及相关意义如下表：
| 文件后缀 | 意义 |
|---|---|
| .cu | cuda源文件，包括host和device代码 |
| .cup | 经过预处理的cuda源文件，编译选项–preprocess/-E |
| .c | c源文件 |
| .cc/.cxx/.cpp | c++源文件 |
| .gpu | gpu中间文件，编译选项–gpu |
| .ptx | 类似汇编代码，编译选项–ptx |
| .o/.obj | 目标文件，编译选项–compile/-c |
| .a/.lib | 库文件，编译选项–lib/-lib |
| .res | 资源文件 |
| .so | 共享目标文件，编译选项–shared/-shared |
| .cubin | cuda的二进制文件，编译选项-cubin |
相关资料和表格来源：显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么？
我们给Jetson Nano装的是NVIDIA官方提供的系统镜像，已经提前在系统里安装好了CUDA，我们可以运行jtop工具里查看到。
但是我们在终端命令行输入nvcc -V却显示未找到命令。
如果已经安装了 NVIDIA CUDA 工具包，但无法找到nvcc命令，可能是因为其路径未包含在系统环境变量中。
可以输入下方命令查看本地是否已安装CUDA（我们通过上方jtop工具，已经可以确定已经安装过CUDA了，这里是演示通过命令行查看CUDA安装位置）。
cd /usr/local
ls
可以看到，我们确实已经安装好了CUDA，那么接下来就是把CUDA Toolkit路径写入系统环境变量中。
通过vim工具定位到 ~/.bashrc 的最末尾，然后添加命令。
vim ~/.bashrc
# 定位到内容末尾，最末尾
# 按"i"添加命令：
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
# 添加完成后按"ESC"退出编辑界面，输入":wq"退出
vim 编辑界面：
添加完路径后需要再刷新一下配置文件，然后验证nvcc.
# 添加后刷新配置文件
source ~/.bashrc
# 再验证nvcc
nvcc -V
已经可以查看当前系统上的 CUDA 工具包版本和nvcc版本。
后续问题持续更新中ing
本人是一名学生，也是正在学习Jetson的过程中，如有错误请批评指正！