Jetson系列开发板架构是arm64，因此是基于arm64相关的环境配置

提醒：可自行查看NVIDIA官方网站查询安装中的疑问和步骤！！！

步骤1、安装jetpack

Jetson Development Pack (JetPack) 是一个NVIDIA按需提供的一体化软件包，捆绑并安装了适用于NVIDIA Jetson 嵌入式平台的所有开发用软件工具。 JetPack 包括适用于以下功能的工具： CUDA、TensorRT、cuDNN、OpenCV等。
NVIDIA JetPack SDK 是构建端到端加速 AI 应用的全面解决方案。JetPack 为硬件加速的边缘 AI 开发提供了完整的开发环境。JetPack 支持所有 Jetson 模组和开发者套件。

安装cuda前先安装jetpack，参考的是nvidia官方教程，即以下代码：

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

最后一句命令可能要1个小时左右，在网络较好的情况下进行，如果安装中中断，再次运行最后一句命令即可，直到安装完成。

安装成功后，再安装jtop，jtop是Jetson 系列非常著名的监控工具，请执行以下指令进行安装：

sudo apt install python3-pip
sudo -H pip3 install -U pip
sudo -H pip install jetson-stats

然后执行下面启动指令就能开启这个监控工具：

jtop

会出现如下画面：

按 q键退出当前画面，如果启动失败，则重启orin，再次尝试。
当然这个不是重点，重点是安装jtop后，可以使用sudo jetson_release命令查看jetson版本号以及与它适配的cuda、cudnn、TensorRT、OpenCV等等版本，如下图：

步骤2、配置cuda环境

在桌面打开终端，输入如下命令：
(学习使用Vim编辑器指令：插入模式

i：在当前光标位置前插入
a：在当前光标位置后插入
o：在当前行下插入新行
I：在当前行行首插入
A：在当前行行尾插入

命令模式

:w：保存文件
:q：退出Vim
:wq：保存并退出
:q!：不保存强制退出
:x：保存并退出（等同于 :wq）

)

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

查看版本号：

nvcc -V

如下图：

步骤3：配置cuDNN环境

在终端输入如下命令：
#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8.6.0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.8.6.0 libcudnn.so.8

sudo ln -sf libcudnn_ops_train.so.8.6.0 libcudnn_ops_train.so.8
sudo ln -sf libcudnn_ops_infer.so.8.6.0 libcudnn_ops_infer.so.8

sudo ln -sf libcudnn_adv_train.so.8.6.0 libcudnn_adv_train.so.8
sudo ln -sf libcudnn_adv_infer.so.8.6.0 libcudnn_adv_infer.so.8

sudo ln -sf libcudnn_cnn_train.so.8.6.0 libcudnn_cnn_train.so.8
sudo ln -sf libcudnn_cnn_infer.so.8.6.0 libcudnn_cnn_infer.so.8

sudo ldconfig

输入以下命令：

dpkg -l libcudnn8

如果出现以下信息则表示正确：

按 q键退出当前画面。
（在验证之前，我参考了文中提到的参考博客里验证的方法，如果验证失败，先运行sudo apt-get install libfreeimage3 libfreeimage-dev，再次验证）

步骤4、安装Anaconda

1、下载
anaconda的下载地址是：https://repo.anaconda.com/archive/ (anaconda清华镜像源)，我选择的版本是：Anaconda3-2022.10-Linux-aarch64.sh，将下载的shell文件拷贝至home文件夹(也可以不拷贝)，在home中打开终端，输入：bash Anaconda3-2022.10-Linux-aarch64.sh，接下来的安装过程请参考conda安装（从第2步开始）。
2、安装Anaconda
输入命令

bash Anaconda3-2022.10-Linux-aarch64.sh

回车后查看许可证，按 q 退出许可证，然后输入 yes 表示同意

确认安装的路径，一般直接回车安装在默认的 /home/你的名字/anaconda3

很快就安装完毕。输入 yes 来确认使用 conda init 来启动

3、启动环境变量如果现在输入 conda，会显示找不到命令

需要启动已经修改环境变量，输入以下命令（以后都不用再 source 了，因为启动 Ubuntu 会自动 source）

source ~/.bashrc

这时候会发现出现了 (base)

如果你查看 ~/.bashrc，可以看到已经添加了 conda 的路径

4、升级 conda

如果当前安装后，不是最新版本，可以通过以下命令升级

conda update -n base -c defaults conda

步骤5：安装Pytorch

打开Pytorch for Jetson 的官方网站查看具体详细安装步骤！！！
https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048

conda创建名为torch3.8的新环境，python版本最好选择3.8（可使用multiprocessing多进程之间的SharedMemory共享内存）：

conda create -n torch3.8 python=3.8

#打开虚拟环境

conda activate torch3.8

在步骤1中查看jetpack的版本为5.1.2

sudo apt-cache show nvidia-jetpack

在为Jetson安装PyTorch之前，请确保：
1.在您的Jetson设备上安装JetPack。
2.安装PyTorch所需的系统包：

sudo apt-get -y update; 
sudo apt-get install -y python3-pip libopenblas-dev;

3.如果安装24.06 PyTorch或更高版本，则需要先安装cusparelt：

wget 
raw.githubusercontent.com/pytorch/pytorch/5c6af2b583709f6176898c017424dc9981023c28/.ci/docker/
common/install_cusparselt.sh 
export CUDA_VERSION=12.1 # as an example   
bash ./install_cusparselt.sh

接下来，按照以下步骤安装PyTorch：

1.使用以下命令导出：

export TORCH_INSTALL=https://developer.download.nvidia.cn/compute/redist/jp/v511/pytorch/torch-2.0.0+nv23.05-cp38-cp38-linux_aarch64.whl

或者，下载文件并设置。

export TORCH_INSTALL=path/to/torch-2.2.0a0+81ea7a4+nv23.12-cp38-cp38-linux_aarch64.whl

2.安装PyTorch。

python3 -m pip install --upgrade pip; python3 -m pip install numpy==’1.26.1’; python3 -m pip install --no-cache $TORCH_INSTALL

如果你想安装特定版本的PyTorch，请将TORCH_install替换为：

https://developer.download.nvidia.com/compute/redist/jp/v$JP_VERSION/pytorch/$PYT_VERSION

Torch安装完成：

3.查看安装的Pytorch版本：
安装完成后，启动 Python，因为torch是python环境下的包：

python

验证安装：

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

确保 torch.cuda.is_available() 返回 True，这表示 CUDA 支持已成功启用。

步骤6：安装torchvision

打开虚拟环境

conda activate torch3.8

进入终端的虚拟环境输入下列命令

sudo apt-get update
sudo apt-get upgrade

参考官方链接：

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

进入终端的虚拟环境输入以下命令（如果速度过慢，直接在torchvision下载链接找对应版本的zip解压）：

我的torch版本是2.0.0，对应的torchvision版本是0.15.1.

git clone --branch v0.15.1 https://github.com/pytorch/vision torchvision

cd torchvision
export BUILD_VERSION=0.15.1
python3 setup.py install --user

其中最后一句命令时间过长，如果卡在安装某个依赖包，可ctrl+c打断并用pip单独下载这个包，再继续运行最后的命令，直到运行成功。

注意pytorch和torchvision的对应关系，我安装的pytorch版本为2.0.0，所以torchvision安装v0.15.1。

上步完成后，退回到当前编译包位置：

cd

验证pytorch和torchvision:

python

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

确保 torch.cuda.is_available() 返回 True，这表示 CUDA 支持已成功启用。

如果输入import torchvison时有警告，原因是你在torchvison文件夹中打开了终端，执行import，相当于”体内“调包。所以需要退出当前编译包位置。最直接的方式就是退出当前终端，在桌面上重新打开一个终端，然后进入虚拟环境（conda activate torch3.8），输入python，最后运行import torchvison。

注：如果出现安装版本不一致的问题，可以卸载现有安装：

卸载任何不兼容的 torch 和 torchvision 版本：

 pip uninstall torch torchvision

步骤7：安装tensorrt

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。因此需要我们手动操作一下：

找到tensorrt的安装位置/usr/lib/python3.8/dist-packages/
找到里面的tensorrt文件和tensorrt-8.5.2.2.dist-info文件

找到创建的虚拟环境/anaconda3/envs/torch3.8/lib/python3.8/site-packages
然后将以上两个文件复制粘贴到这个文件夹中即可

在虚拟环境中测试一下，运行如下指令：

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

如果出现版本号，则成功:

后续可能出现的问题：

过高版本的numpy可能会导致代码运行tensorrt时报错，亲测卸载并重新安装1.21.3版本的numpy可解决：(暂未出现)

pip uninstall numpy
pip install -U numpy==1.21.3 

8、配置yolov7+pytracking环境

pip install matplotlib pandas tqdm
pip install opencv-python visdom tb-nightly scikit-image tikzplotlib gdown
pip install cython
pip install pycocotools
pip install lvis
pip install spatial-correlation-sampler
pip install jpeg4py
sudo apt-get install ninja-build
sudo apt-get install libturbojpeg
#通信模块需要
pip install pyserial

9、Pycharm安装开发包

1、PyCharm依赖包导入导出方法

在PyCharm的terminal中输入：

（1）将依赖包导出至requirements文件

pip freeze > requirements.txt

（2）从requirements文件中导入依赖包

pip install -r requirements.txt

从位于桌面的requirements.txt文件导入

pip install -r /home/pc/Desktop/requirements.txt

2、命令行修改法
（1）命令行临时修改法

在用pypi下载python包的时候，可以直接使用pip install packagename -i参数,指定下载源的URL

pip install ping3 -i https://pypi.tuna.tsinghua.edu.cn/simple

（2）命令行永久修改法

使用pip config set global.index-url来直接指定下载源的URL，这样就不用手动修改配置文件了

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple