Anaconda：https://repo.anaconda.com/archive/
Cuda：https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048

1：安装Anaconda3

下载：Anaconda3-2021.11-Linux-aarch64.sh

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

执行以下命令

# 将anaconda的bin目录加入PATH
echo 'export PATH="~/anaconda3/bin:$PATH"' >> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc

conda初始化

conda init

2：conda换源

#查看目前已有的镜像
conda config --show channels
#添加清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
建议下面也全部添加，虽然有些可能用不到，但是实际包含比较冷门的包
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
#从channel中安装包时显示channel的url,这样就可以知道包的安装来源
conda config --set show_channel_urls yes
#验证一下配置是否成功
conda config --show channels

3：Cuda、Cudnn安装

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

jtop 安装

jtop 是一个基于 Python 编写的交互式系统监视器，类似于 Linux 上的 top 命令。它可以实时显示系统资源使用情况、进程信息、网络连接状态等。

# 需要使用 pip3 来安装 jtop，所以先安装 pip3
sudo apt install python3-pip
# 安装jtop
sudo -H pip3 install -U jetson-stats
# 重启系统
sudo reboot

查看安装情况

sudo jetson_release

4：配置Cuda环境变量

#打开~/.bashrc
sudo vim ~/.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

查看cuda版本

nvcc -V

5：cuDNN环境配置

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 cp -r /usr/src/cudnn_samples_v8/ ~/
cd ~/cudnn_samples_v8/mnistCUDNN
sudo chmod 777 ~/cudnn_samples_v8
sudo make clean && sudo make
./mnistCUDNN

报错

test.c:1:10: fatal error: FreeImage.h: 没有那个文件或目录
#include “FreeImage.h”
^~~~~~~~~~~~~
compilation terminated.

输入如下代码：

sudo apt-get install libfreeimage3 libfreeimage-dev

出现Test passed!说明cudnn安装成功！

6：pytorch安装

conda创建新环境，python版本选择3.8

conda create -n torch38 python=3.8
conda activate torch38

pytorch版本不能随意安装，必须安装英伟达编译的好的库文件，可通过以下命令查看Jetpack版本号：

sudo apt-cache show nvidia-jetpack

进入：https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048下载

7：安装依赖

sudo apt-get -y update; 

sudo apt-get -y install autoconf bc build-essential g++-8 gcc-8 clang-8 lld-8 gettext-base gfortran-8 iputils-ping libbz2-dev libc++-dev libcgal-dev libffi-dev libfreetype6-dev libhdf5-dev libjpeg-dev liblzma-dev libncurses5-dev libncursesw5-dev libpng-dev libreadline-dev libssl-dev libsqlite3-dev libxml2-dev libxslt-dev locales moreutils openssl python-openssl rsync scons python3-pip libopenblas-dev

pip install numpy==1.19.4
pip install urllib3
pip install charset-normalizer
pip install certifi
pip install idna
pip install scipy==1.5.3

进入下载文件夹中安装

pip install torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl 

8：安装 torchvision

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev 

git clone --branch v0.13.0 https://github.com/pytorch/vision torchvision #<version>看下表选择，我的是v0.13.0
cd torchvision
export BUILD_VERSION=v0.13.0  # where 0.x.0 is the torchvision version  
python3 setup.py install --user

安装时出现了No such file or directory: ':/usr/local/cuda/bin/nvcc’错误，但使用nvcc -V却可以正常找到cuda，说明环境变量配置有问题

sudo vim ~/.bashrc

将export CUDA_HOME=$CUDA_HOME:/usr/local/cuda改为：

export CUDA_HOME=/usr/local/cuda

source ~/.bashrc

进入python，执行命令：

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

9：Tensorrt安装

Jetpack已经给我们自动安装好了，但是安装位置在/usr/lib/python3.8/dist-packages/中，不能被虚拟环境中定位使用。因此我们需要软链接一下，运行如下命令：

sudo ln -s /usr/lib/python3.8/dist-packages/tensorrt* /root/anaconda3/envs/torch38/lib/python3.8/site-packages/

测试一下，运行如下指令：

python -c "import tensorrt;print(tensorrt.__version__)"

10：安装ROS noetic桌面版

sudo apt install ros-noetic-desktop-full

初始化rosdep

在终端分别输入如下语句

sudo apt install python3-rosdep2 -y

sudo rm /etc/ros/rosdep/sources.list.d/20-default.list

sudo rosdep init

更新rosdep

在终端分别输入如下语句

sudo apt-get install python3-pip 

sudo pip install rosdepc

sudo rosdepc init

rosdepc update

11：设置环境变量

echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc


source ~/.bashrc

12：安装rosinstall

sudo apt install python3-rosinstall python3-rosinstall-generator python3-wstool

13：安装roslaunch

sudo apt install ros-noetic-roslaunch

sudo apt install ros-noetic-desktop-full

14：验证ros是否安装成功

roscore

在终端成功输入roscore后，开启第二个终端输入

rosrun turtlesim turtlesim_node

会出现一个小海龟，最后开启第三个终端输入

rosrun turtlesim turtle_teleop_key