Jetson Orin NX 16G到手第一步：保姆级Ubuntu 20.04环境配置与CUDA验证指南

Jetson Orin NX 16G开箱实战从零配置Ubuntu 20.04到CUDA全验证刚拿到Jetson Orin NX开发板的开发者们往往既兴奋又忐忑。这款搭载了NVIDIA最新AI计算架构的嵌入式设备性能强大但配置过程对新手来说可能充满挑战。本文将带你一步步完成从开箱到CUDA环境验证的全过程确保你的开发板能够顺利运行AI计算任务。1. 开箱检查与初始设置拆开包装后首先检查配件是否齐全开发板本体、电源适配器建议使用原装、散热风扇如有、以及必要的连接线。确认无误后按照以下步骤进行初始设置连接电源与显示器使用HDMI或DP接口连接显示器插入键盘和鼠标最后接通电源。首次启动可能需要几分钟时间。系统初始化根据屏幕提示完成Ubuntu 20.04的基本设置包括创建用户账户设置密码建议使用强密码配置时区和键盘布局提示Jetson Orin NX默认用户名通常是nx密码可能为yahboom视供应商而定首次登录后请立即修改密码。网络连接建议使用有线网络连接以获得更稳定的下载速度无线连接也可用但可能影响后续软件下载效率。# 查看网络连接状态 ifconfig # 测试网络连通性 ping -c 4 www.baidu.com2. 系统更新与基础工具安装在开始配置AI环境前确保系统是最新的并安装一些必要工具# 更新软件源列表 sudo apt update # 升级已安装的软件包 sudo apt upgrade -y # 安装常用工具 sudo apt install -y curl wget git vim htop对于不熟悉Linux命令行的用户以下是一些基本操作备忘文件操作ls列出目录内容cd切换目录cp复制文件mv移动或重命名文件文本编辑nano简单易用的文本编辑器vim功能更强大的编辑器学习曲线较陡3. JetPack组件验证与配置Jetson系列设备使用JetPack作为核心软件栈它包含了CUDA、cuDNN、TensorRT等关键组件。验证这些组件是否正确安装是确保AI开发环境正常工作的关键。3.1 检查JetPack版本# 查看JetPack版本 sudo apt show nvidia-jetpack # 或者使用jtop工具需先安装 sudo -H pip install jetson-stats sudo jtopjtop是一个非常有用的系统监控工具可以直观地查看GPU和CPU使用情况内存占用JetPack各组件版本温度监控3.2 CUDA环境配置虽然系统镜像已经预装了CUDA但仍需要正确配置环境变量# 编辑bash配置文件 vim ~/.bashrc在文件末尾添加以下内容按i进入插入模式export PATH/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATH export CUDA_HOME/usr/local/cuda保存退出按ESC然后输入:wq后执行# 使配置生效 source ~/.bashrc # 验证CUDA安装 nvcc --version预期输出应显示CUDA 11.4版本信息。3.3 cuDNN验证cuDNN是深度神经网络加速库验证其安装状态# 查看cuDNN版本 dpkg -l | grep cudnn # 或者检查头文件 cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 24. 深度学习环境搭建4.1 Python环境管理虽然系统自带Python3.8但建议使用conda管理不同的Python环境# 下载AnacondaARM64版本 wget https://repo.anaconda.com/archive/Anaconda3-2023.07-2-Linux-aarch64.sh # 安装 bash Anaconda3-2023.07-2-Linux-aarch64.sh # 按照提示完成安装建议安装在默认位置 # 初始化conda source ~/.bashrc配置conda国内镜像加速下载conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes创建专用于PyTorch的环境conda create -n pytorch python3.8 conda activate pytorch4.2 PyTorch安装Jetson设备需要安装特定版本的PyTorch# 安装依赖 sudo apt-get install -y libopenblas-base libopenmpi-dev # 下载预编译的PyTorch wheel文件 wget https://nvidia.box.com/shared/static/ssf2v7pf5i245fk4i0q926hy4imzs2ph.whl -O torch-2.0.0nv23.05-cp38-cp38-linux_aarch64.whl # 安装 pip install torch-2.0.0nv23.05-cp38-cp38-linux_aarch64.whl验证PyTorch是否能正确识别CUDAimport torch print(torch.__version__) print(torch.cuda.is_available()) # 应该返回True print(torch.version.cuda) # 应该显示11.44.3 TensorRT验证TensorRT是NVIDIA的推理优化器验证其安装import tensorrt as trt print(trt.__version__)5. 开发工具配置5.1 VS Code安装# 下载VS CodeARM64版本 wget https://update.code.visualstudio.com/1.85.2/linux-deb-arm64/stable -O code.deb # 安装 sudo dpkg -i code.deb # 修复可能的依赖问题 sudo apt install -f安装Python扩展启动VS Code打开扩展市场CtrlShiftX搜索并安装Python扩展5.2 Jupyter Notebook配置# 在conda环境中安装 conda install jupyter # 生成配置文件 jupyter notebook --generate-config # 设置密码 jupyter notebook password # 启动可在后台运行 nohup jupyter notebook --ip0.0.0.0 --no-browser 6. 性能测试与优化建议完成所有安装后建议进行简单的性能测试import torch # 矩阵乘法测试 a torch.randn(10000, 10000).cuda() b torch.randn(10000, 10000).cuda() %timeit torch.matmul(a, b)优化建议电源模式Jetson设备有不同的电源模式影响性能# 查看当前模式 sudo nvpmodel -q # 设置为最大性能模式模式0 sudo nvpmodel -m 0散热长时间高负载运行时确保良好散热内存管理监控内存使用避免OOM错误7. 常见问题排查CUDA不可用检查nvidia-smi是否正常运行验证驱动版本与CUDA版本是否匹配确认环境变量设置正确PyTorch安装失败确保下载了正确的ARM64版本检查Python版本是否为3.8尝试使用--no-cache-dir选项重新安装cuDNN错误验证cuDNN版本与CUDA版本兼容检查库文件路径是否正确尝试重新创建软链接经过以上步骤你的Jetson Orin NX应该已经准备好进行AI开发了。在实际项目中根据具体需求可能还需要安装其他库和工具但基础环境已经搭建完成。