Jetson Orin Nano（8G）刷机

蜀中廖化

已于 2025-06-28 09:23:33 修改

阅读量186

点赞数 1

CC 4.0 BY-SA版权

文章标签： linux

于 2025-06-25 14:26:09 首次发布

本文链接：https://blog.csdn.net/qq_40725313/article/details/148898372

文章目录

Jetson Orin Nano（8G）刷机

Jetson Orin Nano（8G）刷机

参考教程：Jetson Orin Nano Developer Kit系统刷机
 新手入门Jetson开发第一关：学会刷机

1 在主机虚拟机ubuntu安装sdkmanager

sudo dpkg -i sdkmanager_1.9.3__xx_amd64.deb
sdkmanager

登录好英伟达账号后直接给我用USB转typeC数据线将jetson与主机连接即可，TargetHardWare显示型号即连接成功。
在这里插入图片描述
现在就能开始进行刷机任务，进入“STEP 1”之后，建议将“Host Machine”的安装选项取消掉（如图9），因为这部分会在Ubuntu主机上安装CUDA开发环境，除非您的系统上有装上NVIIDA的GPU卡，否则这些安装是没有任何作用，还会浪费很多时间去下载安装包与安装环境。

这里就按照图里的选就行了，然后continue

在这里插入图片描述
然后等待
第一个进度条到100%后下面的继续安装

然后中途会跳出这个，设定账号密码，我这里设定的是账号密码均是nvidia，然后点击Flash烧录即可

这里应该选择Manual手动，然后下面的Storage Device 应该选择NVME

在这里插入图片描述
这是没有刷机之前的版本

其实第一步应该是将J14 的9 10 引脚短接
在这里插入图片描述

J14 在风扇底下

这是使用SDK Mananger执行刷机时，所必须执行的步骤。在Jetson Nano（含2GB）、NX与Orin Nano等系列开发套件中，在“背部风扇下方”都有一组针脚（如下图左），其中右数第3/4针脚分别为“FC REC”与“GND”功能（如下图右上方），在关闭电源的状态下，使用一般条线将这两个脚位进行“短接”（如下图右下方）。

在这里插入图片描述

在这里插入图片描述
我这里应该选择第二个，要不然会一直刷机不成功。

在这里插入图片描述

在这里插入图片描述
按照提示进行解决。

在这里插入图片描述

只有这个NVIDIA Container Runtime没有装成功，应该不打紧

在这里插入图片描述
NVIDIA Jetson板子上安装nvidia docker需要注意的问题_nvidia-container-cli: initialization error: load l-CSDN博客

如果不安装docker去使用GPU的话这个装不装问题不大

安装jtop：

sudo apt update
sudo apt install python3
sudo apt install python3-pip

sudo pip3 install -U pip
sudo pip3 install jetson-stats

在这里插入图片描述
完蛋，刷机失败了

ubuntu虚拟机启动失败黑屏解决方案及原因

ubuntu虚拟机启动失败黑屏解决方案及原因
 虚拟机Ubuntu系统突然打不开

df -h
sudo apt autoremove --purge snapd

主机可以ping同Ubuntu，但Ubuntu不能ping同主机解决方法

我们右击win键，打开网络连接->高级网络设置->下拉找到windows防火墙->高级设置，然后在入站规则内下拉,找到“文件和打印机共享(回显请求-ipv4)”,将这两个启用即可。

在这里插入图片描述

jetson填坑-单独安装cuda，cudnn，tensorrt任意适用版本

sudo apt-get install cuda-toolkit-12.6

sudo vim  ~/.bashrc

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.6/lib64
export PATH=$PATH:/usr/local/cuda-12.6/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-12.6

在这里插入图片描述

miniconda3安装

下载Miniconda3-py310_23.10.0-1-Linux-aarch64.sh
清华源下载地址

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-aarch64.sh  

chmod +x Miniconda3-py310_23.10.0-1-Linux-aarch64.sh

./Miniconda3-latest-Linux-aarch64.sh  

source ~/.bashrc  

conda --version  

## conda 换源
vim /home/nx/miniconda3/.condarc
## 注释原来的channels配置，添加下述配置。
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
## pip 换源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/
## 创建环境
conda create -n track python=3.10
conda activate track
## 设置默认启动环境
vim ~/.bashrc
conda activate track
source ~/.bashrc

ImportError: libcusparseLt.so.0: cannot open share object file: No such file or directory

需要安装 libcudasparseLt。使用这个链接：https://developer.nvidia.com/cusparselt-downloads

wget https://developer.download.nvidia.com/compute/cusparselt/0.7.1/local_installers/cusparselt-local-tegra-repo-ubuntu2204-0.7.1_1.0-1_arm64.deb
sudo dpkg -i cusparselt-local-tegra-repo-ubuntu2204-0.7.1_1.0-1_arm64.deb
sudo cp /var/cusparselt-local-tegra-repo-ubuntu2204-0.7.1/cusparselt-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install libcusparselt0 libcusparselt-dev

Jetson Orin Nano (8G) 算力

40TOPS
在这里插入图片描述

jetson torch torchvision 安装

在Jetson设备上安装PyTorch和Torchvision的完整指南
 https://developer.nvidia.com/embedded/downloads#?search=torch
在这里插入图片描述
下载，然后安装对应的torch即可
安装torchvision
Jetson上的gpu版本torchvision没有现成的安装包，需要自行编译安装。首先下载对应版本的torchvision

# 安装工具链
sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libopenblas-dev libavcodec-dev libavformat-dev libswscale-dev
# 下载torchvision
git clone --branch v0.20.0 https://github.com/pytorch/vision torchvision
cd torchvision
export BUILD_VERSION=0.20.0  # v0.20.0 为torchvision版本
python3 setup.py install --user

编译速度是真慢，感觉至少编译了半个小时

import torchvision
print(torchvision.__version__)

新建一个python文件envtest.py，运行，验证安装结果。

# envtest.py
import torch
print('CUDA available: ' + str(torch.cuda.is_available()))
print('cuDNN version: ' + str(torch.backends.cudnn.version()))
a = torch.tensor([0., 0.], dtype=torch.float32, device='cuda')
print('Tensor a =', a)
b = torch.randn(2, device='cuda')
print('Tensor b =', b)
c = a + b
print('Tensor c =', c)

import torchvision
print(torchvision.__version__)