Jetson Xavier NX 的使用记录

一. 远程桌面

在windows10远程上操作jetson Xavier，远程的前提：jetson xavier和Windows的PC在同一个局域网内（我这里是直接在windows10上开启热点）。

• 安装xrdp：sudo apt-get install xrdp vnc4server xbase-clients

1.1：桌面共享没反应

桌面共享其实就是一个vnc-server（因此没有必要再在linux上安装vnc-server了），如果要远程，必须要先开启共享，允许其他人控制自己电脑。

这里发现双击了桌面共享，没反应。

解决方案：

• 安装dconf-editor：sudo apt-get install dconf-editor
• 运行dconf-editor，更改系统配置，org ==> gnome ==> desktop ==> remote-access，关闭以下两个：promotion-enabled和requre-encryption
• 开启桌面共享：/usr/lib/vino/vino-server

1.2 开启远程

• 在Windows10上安装vnc-client，官网地址：https://www.realvnc.com/en/connect/download/viewer/windows/

• 输入linux的ip后，直接连接即可。

  

1.3 建立双击可执行文件.desktop

由于每次我开启远程桌面的时候，都需要在命令行输入相关指令，很麻烦，就想说有没有可以直接在像windows一样快捷方式

• 写一个shell脚本来开启桌面共享：vim ~/vnc-server.sh

  #!/bin/sh
  /usr/lib/vino/vino-server
  

• 在桌面上新建一个.desktop文件：vim ~/Desktop/vnc-server.desktop

  [Desktop Entry]
  Encoding=UTF-8
  Type=Application
  Categories=true
  Version=1.0
  Name=vnc-server
  Exec=sh /home/yy/vnc-server.sh #注意这里是绝对路径
  Path=/home/yy
  Terminal=false # 是否保留终端
  StartupNotify=true # 开机自启动
  

• 给.desktop文件加上可执行权限：sudo chmod +x ~/Desktop/vnc-server.desktop

1.4 开机自动开启

• 创建开机自启动文件夹：mkdir ~/.config/autostart
• 复制.desktop文件到该文件夹下：cp ~/Desktop/vnc-server.desktop ~/.config/autostart/
• 给.desktop文件加上可执行权限：sudo chmod +x ~/.config/autostart/vnc-server.desktop

二. 配置cuda和cuDNN

• 用JetPack刷机（本人选用的是Jetpack4.4.1），jetpack地址：https://developer.nvidia.com/embedded/jetpack-archive

• 安装完成后，我们可以查看jetpack的版本：cat /etc/nv_tegra_release，同时已经给我们安装好了CUDA 10.2 、cudnn 8.0 、opencv、python3.6。

2.1 设置cuda环境变量

​ 查询cuda版本：nvcc -V基本就能看到cuda信息了，但是这里却报错没有nvcc指令。解决方案：将cuda添加到环境变量中

• sudo vim /etc/profile ，这里说下其实在/usr/local下有2个cuda相关文件夹，分别是cuda和cuda-10.2，你会发现其实是一致的。

  export PATH=/usr/local/cuda-10.2/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64$LD_LIBRARY_PATH
  export CUDA_HOME=/usr/local/cuda-10.2
  

• source /etc/profile，再去命令行输入nvcc -V就可以看到cuda10.2的信息了

2.2 设置cuDNN

安装好的cuDNN的头文件：/usr/include/cudnn.h 安装好的cuDNN的库文件：/usr/lib/aarch64-linux-gnu/libcudnn*

(1) 而这些头文件和库文件都不在cuda目录下，因此要复制到cuda目录下：

• 复制头文件：sudo cp /usr/include/cudnn.h /usr/local/cuda/include
• 复制库文件：sudo cp /usr/lib/aarch64-linux-gnu/libcudnn* /usr/local/cuda/lib64/

(2) 修改文件权限：sudo chmod 777 /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

(3) 重新软连接：

   cd /usr/local/cuda/lib64
   sudo ln -sf libcudnn.so.8.0.0 libcudnn.so.8
   sudo ln -sf libcudnn_ops_train.so.8.0.0 libcudnn_ops_train.so.8
   sudo ln -sf libcudnn_ops_infer.so.8.0.0 libcudnn_ops_infer.so.8
   sudo ln -sf libcudnn_adv_infer.so.8.0.0 libcudnn_adv_infer.so.8
   sudo ln -sf libcudnn_cnn_infer.so.8.0.0 libcudnn_cnn_infer.so.8
   sudo ln -sf libcudnn_cnn_train.so.8.0.0 libcudnn_cnn_train.so.8
   sudo ln -sf libcudnn_adv_train.so.8.0.0 libcudnn_adv_train.so.8

   sudo ln -sf libcudnn_ops_train.so.7.3.1 libcudnn_ops_train.so.7
   sudo ln -sf libcudnn_ops_infer.so.7.3.1libcudnn_ops_infer.so.7
   sudo ln -sf libcudnn_adv_infer.so.7.3.1 libcudnn_adv_infer.so.7
   sudo ln -sf libcudnn_cnn_infer.so.7.3.1 libcudnn_cnn_infer.so.7
   sudo ln -sf libcudnn_cnn_train.so.7.3.1 libcudnn_cnn_train.so.7
   sudo ln -sf libcudnn_adv_train.so.7.3.1 libcudnn_adv_train.so.7

(4) 编译与验证：

sudo ldconfig
sudo cp -r /usr/src/cudnn_samples_v8/ ~/
cd ~/cudnn_samples_v8/mnistCUDNN
sudo chmod 777 ~/cudnn_samples_v8
sudo make clean
sudo make
./mnistCUDNN # 验证cuDNN

(5) 查询cuDNN版本：cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2

三. 配置torch和torchvision

3.1 配置torch

这里安装torch的方式和普通的windows和linux下安装不一样，pytorch有专门的jetson版本

Pytorch的jetson版本下载地址：https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-9-0-now-available/72048

• 下载完成后直接使用pip进行安装：sudo pip3 install numpy torch-1.9.0-cp36-cp36m-linux_aarch64.whl

• 安装必须的依赖：sudo apt-get install libopenblas-base libopenmpi-dev

3.2 配置torchvision

由于安装的是1.9.0版本的pytorch，直接安装于其对应的torchvision(0.10.0)：sudo pip3 install torchvision==0.10.0

3.3 验证GPU可用

• 命令行打开python，导入torch包：import torch

• 查看pytorch可调用的cuda版本：torch.version.cuda
• 查看cuda是否可用：torch.cuda.is_available()

3.4 使用yolo遇到的问题

问题：RuntimeError: No such operator torchvision::nms

实验过程：在网上搜到的都是torch和torchvision的版本不对，要升级torchvision之类的，实验将torchvision升级到0.10.0，依旧不行。

解决方案：其实在使用yolo时的非极大值抑制的时候，可以将utils.general.py中nms相关代码替换

• 原始代码：i = torch.ops.torchvision.nms(boxes, scores, iou_thres)

• 替换代码：

  import torchvision
  i = torchvision.ops.nms(boxes, scores, iou_thres)