☰

企业官网建设流程全解析

首页 / 建站日记 / 企业官网建设流程全解析
小白之——Jetson AGX Orin运行环境安装与部署教程：Anaconda, Jetpack，jtop，CUDA, CUDNN，pytorch，torchvision
2026/8/8 14:09:56 网站建设 项目流程

Jetson AGX Orin运行环境安装与部署完整小白教程：Anaconda, Jetpack，jtop，CUDA, CUDNN，pytorch，torchvision，pycharm安装

软硬件系统结构

┌─────────────────────────────────────────┐
│ 应用层 (你写的代码) │ ← 你的 Python/C++ 程序
├─────────────────────────────────────────┤
│ 深度学习框架 (PyTorch/TF) │ ← 模型训练和推理
├─────────────────────────────────────────┤
│ CUDA / cuDNN / TensorRT (加速库) │ ← GPU 加速计算
├─────────────────────────────────────────┤
│ JetPack SDK (软件包集合) │ ← 核心：驱动 + 库 + 系统
├─────────────────────────────────────────┤
│ Ubuntu 操作系统 (Linux内核) │ ← 底层系统
├─────────────────────────────────────────┤
│ NVIDIA Jetson Thor (硬件) │ ← 你的开发板
└─────────────────────────────────────────┘

2025年11月10日

这里写目录标题

  • Jetson AGX Orin运行环境安装与部署完整小白教程：Anaconda, Jetpack，jtop，CUDA, CUDNN，pytorch，torchvision，pycharm安装
    • 软硬件系统结构
    • 0. 实验准备
      • 0.1 [更换安装源](https://blog.csdn.net/PlsMoreWater/article/details/144557319?spm=1001.2014.3001.5506)
      • 0.2 配置中文语言支持
    • Jetson深度学习环境配置
    • 1. Anaconda安装
    • 2. 安装**Jetpack**
    • 3. 安装jtop
    • 4. 查询CUDA, CUDNN安装结果
    • 5. 环境变量配置
    • 6. cudNN配置
    • 7. 安装pytorch
    • 8. 安装torchvision
    • 9.安装检查
    • 10.安装pycharm
      • 10.1 下载
      • 10.2 安装与运行
      • 10.3 配置解释器

0. 实验准备

0.1更换安装源

清华源和安全更新源都没有提供 arm64 架构的软件包，导致了大量的 404 Not Found 错误。

将清华源改成下面的就可以了

sudo vim /etc/apt/sources.list

点击insert键，在末位添加下面的源：

# ARM64 架构专用源 deb [arch=arm64] http://ports.ubuntu.com/ubuntu-ports focal main restricted universe multiverse deb [arch=arm64] http://ports.ubuntu.com/ubuntu-ports focal-updates main restricted universe multiverse deb [arch=arm64] http://ports.ubuntu.com/ubuntu-ports focal-backports main restricted universe multiverse deb [arch=arm64] http://ports.ubuntu.com/ubuntu-ports focal-security main restricted universe multiverse # 如果需要同时支持 x86_64（例如使用模拟器），可以加入以下内容： deb [arch=amd64,i386] http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse deb [arch=amd64,i386] http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse deb [arch=amd64,i386] http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse deb [arch=amd64,i386] http://security.ubuntu.com/ubuntu focal-security main restricted universe multiverse

点击退出键Esc,输入:wq命令，退出源文件的编辑界面，回到终端，执行下面指令：

sudo apt update sudo apt upgrade

可以看到成功了！系统会更新安装包到最新状态，保持网络畅通，同时耐心等待结束。

0.2 配置中文语言支持

https://blog.csdn.net/bassersai/article/details/109572285?spm=1001.2014.3001.5506

用apt-get安装中文语言包

sudo apt-get install language-pack-zh-han*

2,安装gnome包

sudo apt-get install language-pack-gnome-zh-han*

3,安装kde包

sudo apt-get install language-pack-kde-zh-han*

4,最后运行语言支持检查

sudo apt install $(check-language-support)

安装完毕后会更新最新的语言支持包

5,到“系统设置”-》“语言支持”中设置好“Chinese （China）”


6,重新登录或者重启即可看到中文界面了

Jetson深度学习环境配置

1. Anaconda安装

Jetson系列边缘开发板，其架构都是arm64，而不是传统PC的amd64，深度学习的环境配置方法大不相同。想要看amd64的相关环境安装，可以参考这篇文章。下面步入正题：

对于Anaconda的安装其实和之前差不多，只是寻找aarch64的shell包安装即可，下载地址anaconda镜像源。

进入到下载文件夹，按如下命令依次安装即可：

chmod +x Anaconda3-2021.11-Linux-aarch64.sh ./Anaconda3-2021.11-Linux-aarch64.sh

2. 安装Jetpack

Jetpack可以理解为Jetson系列板上的软件开发工具包，所有常用的开发kit里面都有。而apt安装Jetpack时默认直接装上与jetson版本号适配的cuda、cudnn、TensorRT，

安装过程如下：

sudo apt update sudo apt upgrade sudo apt dist-upgrade sudo reboot sudo apt install nvidia-jetpack

3. 安装jtop

sudo apt-get install git cmake sudo apt-get install python3-dev sudo apt-get install libhdf5-serial-dev hdf5-tools sudo apt-get install libatlas-base-dev gfortran
sudo apt install python3-pip
sudo systemctl restart jtop
jtop

结果如下：

4. 查询CUDA, CUDNN安装结果

输入

sudo jetson_release

5. 环境变量配置

运行如下指令：

#打开~/.bashrc sudo gedit ~/.bashrc #在文本末输入如下代码： export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64 export PATH=$PATH:/usr/local/cuda/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda #更新环境变量配置 source ~/.bashrc

运行nvcc -V查看版本号:

6. cudNN配置

虽然安装了cuDNN，但没有将对应的头文件、库文件放到cuda目录。

cuDNN的头文件在：/usr/include，库文件位于：/usr/lib/aarch64-linux-gnu。将头文件与库文件复制到cuda目录下：

#复制文件到cuda目录下 cd /usr/include && sudo cp cudnn* /usr/local/cuda/include cd /usr/lib/aarch64-linux-gnu && sudo cp libcudnn* /usr/local/cuda/lib64 #修改文件权限，修改复制完的头文件与库文件的权限，所有用户都可读，可写，可执行： sudo chmod 777 /usr/local/cuda/include/cudnn.h sudo chmod 777 /usr/local/cuda/lib64/libcudnn*
#重新软链接，这里的8.4.1和8对应安装的cudnn版本号和首数字 cd /usr/local/cuda/lib64 sudo ln -sf libcudnn.so.8.4.1 libcudnn.so.8 sudo ln -sf libcudnn_ops_train.so.8.4.1 libcudnn_ops_train.so.8 sudo ln -sf libcudnn_ops_infer.so.8.4.1 libcudnn_ops_infer.so.8 sudo ln -sf libcudnn_adv_train.so.8.4.1 libcudnn_adv_train.so.8 sudo ln -sf libcudnn_adv_infer.so.8.4.1 libcudnn_adv_infer.so.8 sudo ln -sf libcudnn_cnn_train.so.8.4.1 libcudnn_cnn_train.so.8 sudo ln -sf libcudnn_cnn_infer.so.8.4.1 libcudnn_cnn_infer.so.8 sudo ldconfig

测试Cudnn：

sudo apt-get install libfreeimage3 libfreeimage-dev 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

如果配置成功 测试完成后会显示：

“Test passed!”

7. 安装pytorch

pytorch版本不能随意安装，必须安装英伟达编译的好的库文件，在官方链接下载对应cuda版本的pytorch到本地，并在文件保存窗口打开终端，输入以下命令，新建Python虚拟环境：

conda create -n pytorch python=3.8 # 当前arm架构的pytorch编译只支持到Python3.8版本 conda activate pytorch

执行安装命令，安装下载的wheel文件：

pip install torch-2.1.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl

执行以下命令（#否则直接import torch会报错# ImportError: libopenblas.so.0: cannot open shared object file: No such file or directory）：

sudo apt-get install libopenblas-dev

验证torch安装成功：

import torch print(torch.__version__) print(torch.cuda.is_available())

如果输出为True，则表示torch已成功安装并且支持 CUDA。

8. 安装torchvision

直接通过pip install torchvision==版本号安装，智能安装cpu版本，不支持arm架构。所以需要编译torchvision源码进行安装

**注：**1. 编译过程很漫长 会报warning 但是不用介意，编译完成即可。2. 如果直接从github上克隆太慢，可以在镜像网站，找到对应版本的分支文件，手动下载到本地，然后进行编译操作。3. 编译过程中，可能需要下载Python库，默认库下载地址速度较慢，可提前更改为清华源。

9.安装检查

import torch class check_all: """ 检测当前设备torch、tensorflow安装状态 """ def __init__(self): """ 常量 """ torchvision = __import__("torchvision") self.torch_version = torch.__version__ self.cuda_version = torch.version.cuda self.torchvision_version = torchvision.__version__ self.use_device = torch.cuda.current_device() p = torch.cuda.get_device_properties(self.use_device) self.gpu_size = int(p.total_memory/ 1024 ** 3) self.device_number = torch.cuda.device_count() self.gpu_name = torch.cuda.get_device_name(self.use_device) self.gpu_capability = torch.cuda.get_device_capability(self.use_device) def check(self): """ 检测输出 """ print("CUDA版本:{}".format(self.cuda_version)) print("pytorch版本:{}\ntorchvision版本:{}".format(self.torch_version,self.torchvision_version)) print("pytorch是否为CUDA显卡驱动：{}".format("是" if torch.cuda.is_available() else "不是")) print("当前设备显卡数量为:{},使用设备编号为:{}".format(self.device_number,self.use_device)) print("当前使用的设备显卡名称为：{}".format(self.gpu_name)) print("当前显卡算力为：{}\n当前显卡的内存大小为:{}GB".format(self.gpu_capability,self.gpu_size)) if __name__ == '__main__': check = check_all() check.check()

10.安装pycharm

10.1 下载

进入pycharm官方网站，AGX Orin对应的是Linux ARM64架构，下载对应版本的程序文件，入图所示：

10.2 安装与运行

【下载界面右侧有安装说明】

注：不得在现有实例上提取新实例。目标文件夹必须是空的。

10.3 配置解释器

解释器是pycharm针对当前项目，选择确定代码运行时，所依赖的Python环境。配置当前项目的Python解释器，包括以下步骤：

etson AGX Orin安装Anaconda、Cuda、Cudnn、Pytorch、Tensorrt最全教程

Ubuntu 20.04更换pip为清华源

arm架构的JETSON AGX ORIN开发板，安装pytorch，torchvision参考文章

arm架构下torch环境的安装（主要是conda，torch，torchvision以及tensorflow）

Jetson AGX Orin安装CUDA+Anaconda+PyTorch+ROS

标签： 网站建设 企业官网 项目流程 UI设计 前端开发

热门文章

文章分类

标签云

网站建设 响应式设计 用户体验 SEO优化 前端开发 小程序 电商平台 性能优化

相关文章

您可能感兴趣的其他内容

G-Helper：华硕笔记本控制软件的终极指南与使用技巧
2026/8/8 14:09:35 网站建设

G-Helper：华硕笔记本控制软件的终极指南与使用技巧

G-Helper：华硕笔记本控制软件的终极指南与使用技巧 【免费下载链接】g-helper Lightweight Armoury Crate alternative for Asus laptops with nearly the same functionality. Works with ROG Zephyrus, Flow, TUF, Strix, Scar, ProArt, Vivobook, Zenbook, Exper…...

阅读更多 →
如何彻底解决微信QQ消息撤回问题：终极防撤回工具完整指南
2026/8/8 14:08:30 网站建设

如何彻底解决微信QQ消息撤回问题：终极防撤回工具完整指南

如何彻底解决微信QQ消息撤回问题：终极防撤回工具完整指南 【免费下载链接】RevokeMsgPatcher :trollface: A hex editor for WeChat/QQ/TIM - PC版微信/QQ/TIM防撤回补丁（我已经看到了，撤回也没用了） 项目地址: https://gitcode…...

阅读更多 →
Git误操作急救指南：12种常见场景解决方案
2026/8/8 14:07:59 网站建设

Git误操作急救指南：12种常见场景解决方案

1. Git误操作拯救指南：每个开发者都该掌握的生存技能那天下午3点，我正喝着咖啡准备提交代码，突然发现整个feature分支不见了——原来我不小心执行了git reset --hard。后背瞬间湿透，因为那个分支上有我两周的工作成果。幸运的是&a…...

阅读更多 →

需要专业的网站建设服务？

联系我们获取免费的网站建设咨询和方案报价，让我们帮助您实现业务目标

立即咨询