在通過大半個月的不斷嘗試和網上攻略的查找，終于在TX1上完成了jetson-inference的運行。期間碰到了一些問題，這里一并給出相應的解決方式，但是每個人碰到的問題原因有很多，這里的方法僅供參考，如有誤之處希望大佬多多指正，共同提高。

第一步，對TX1刷機

刷機前需要連接完成的部件

兩根網線（分別將電腦和TX1連接在同一個有網絡的路由器）；

Micro-USB連接線（連接電腦和TX1）；

筆記本（win10，帶ubuntu18.04的虛擬機）；

HDMI高清線（連接顯示屏和TX1）；

有HDMI接口的顯示屏；

鼠標、鍵盤；

路由器；

USB拓展塢(TX1只有一個USB接口，需要拓展，連接鍵鼠等設備)；

SSD固態硬盤。

安裝Nvidia Sdkmanager與刷機操作

打開Ubuntu后，

首先需要安裝Nvidia Sdkmanager(官網：https://developer.nvidia.com/drive/sdk-manager)，并且在Nvidia官網注冊賬號以供后續使用。

安裝指令：

sudo apt install ./sdkmanager_[version]-[build#]_amd64.deb

以上部件全部連接完畢之后，

輸入以下指令檢查電腦Ubuntu是否與TX1連接成功。

lsusb

輸入指令后出現Nvidia Crop，即表示連接成功

打開Sdk manager，輸入注冊的賬號密碼，登陸操作都完成后進入以下界面。

這里需要將TX1置為Recovery模式：按下電源鍵開啟TX1，過一會按住REC鍵不動，再按一下RST鍵停一兩秒再松開，再等一兩秒松開REC鍵，此時Sdkmanager就會檢測到相應的型號。

這里我下載的JetPack版本是4.6.3,你也可以選擇其他版本；需要注意的是Target Hardware部分需要顯示出當前連接的設備則表示連接成功；DeepStream一般不勾選，太大。（需要給主機ubuntu留足空間，最好30G以上）

空間不夠可以參考這個鏈接：https://blog.csdn.net/fanjufei123456/article/details/123517885

選擇確定后，點擊CONTINUE來到STEP2

第二步就是下載環節，建議全部下載后再安裝，即將下面兩個選項都勾選。下載完成之后，先返回STEP1后再次進入STEP2，這時只需勾選左邊的選項，即可開始安裝。

安裝期間出現類似下面的提示，不用管，點擊yes繼續（不點擊不清楚還會不會安裝），安裝過程中最好自己一直守著電腦看著，有時會卡在某個節點不動一段時間，不用急，耐心等。（個別情況時間等待過長需要重新刷）

這里將進入一段時間的等待過程，直到跳到下面的刷機界面才算是成功一半。

選擇手動安裝(Manual Setup)，用戶名我看很多博主寫的ubuntu就跟個風，密碼也是ubuntu，完成之后點擊flash。這邊可能還需要重復進行一次上述的Recovery操作。

再次經過長時間的等待，進入以下界面，之前我直接install失敗了，后來查了一下說是這里需要將連接TX1的網線拔了再插上去，然后就可以install了。

再再經過更加漫長的等待，如果你最終看到下圖，恭喜你終于安裝成功了。

檢測JetPack安裝是否成功的辦法

在以上完成之后，TX1連接的顯示屏這時已經可以顯示桌面了，這時打開終端輸入以下指令：

jetson_release -v

此時終端即可顯示相關信息

第二步，讓TX1從硬盤啟動

上述安裝完成之后，TX1內存就剩幾百兆了，這里提供加載固態硬盤的方法。

(參考文章：https://blog.csdn.net/qq_38898517/article/details/109116191)

首先將SSD硬盤插到TX1上，點擊ubuntu主界面左上角如下圖位置，輸入disk，點擊Disks圖標

選擇你插入的SSD硬盤，點擊如下圖的設置按鈕，選擇格式化操作。

卷名自己定義，類型選擇Ext4，然后開始格式化

完成格式化后點擊啟動器的硬盤圖標，硬盤自動掛載，此時按住Ctrl+L，即可顯示硬盤路徑，將其路徑復制復制。

在終端輸入

sudo cp -ax / '你的硬盤路徑' //修改啟動路徑 cd /boot/extlinux sudo cp extlinux.conf extlinux.conf.original sudo gedit /boot/extlinux/extlinux.conf

初始文件如下圖所示

修改后：

這里的"/dev/sda1"在下圖device位置查看。

ubuntu18.04只需修改上述三個部分，與參考文章有所不同。

文件內容改完之后，保存重啟TX1即可。

輸入以下指令即可查看是否更改成功。

df -hl

第三步，Jetson inference運行

(參考文章：https://github.com/dusty-nv/jetson-inference)

大體部分按照上面的順序一步步的來，這里做一些補充。

pytorch的安裝

whl文件下載地址：https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048

參考網址：https://blog.csdn.net/qq_41660112/article/details/123715549

根據你所安裝的Jetpack版本以及python版本選擇對應的pytorch版本進行下載,我下載的是1.10.0版本。

python3.6輸入下列指令即可安裝：

sudo apt-get install python3-pip libopenblas-base libopenmpi-dev pip3 install Cython pip3 install numpy torch-1.10.0-cp36-cp36m-linux_aarch64.whl

python2.7輸入下列指令即可安裝:

sudo apt-get install libopenblas-base libopenmpi-dev pip install future torch-1.4.0-cp27-cp27mu-linux_aarch64.whl

檢測是否安裝成功

python3 //進入python3 import torch //載入pytorch print(torch.__version__) //查看pytorch版本

torchvision的安裝

版本對應關系：https://catalog.ngc.nvidia.com/orgs/nvidia/containers/l4t-pytorch

安裝指令：

$ sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev $ git clone --branch version https://github.com/pytorch/vision torchvision # 更改第一個vision為你pytorch對應的版本，如v0.11.0 $ cd torchvision $ export BUILD_VERSION=0.x.0 # where 0.x.0 is the torchvision version $ sudo python setup.py install # use python3 if installing for Python 3.6 $ cd ../ # attempting to load torchvision from build dir will result in import error $ pip install 'pillow<7' # always needed for Python 2.7, not needed torchvision v0.5.0+ with Python 3.6

Docker容器

由于我是在Docker容器中運行的Jetson inference,下面將講解如何通過Docker實現jetson-inference的運行。

找到對應版本的docker

拉取鏡像：

docker pull dustynv/jetson-inference:r32.6.1

運行容器：

cd jetson-inference docker/run.sh//退出：exit

將自己編寫的程序文件路徑掛載到docker

docker/run.sh --volume /my/host/path:/my/container/path

下面運行一個圖像識別程序看看，在下載的jetson-inference文件夾中jetson-inference/build/aarch64/bin位置輸入以下指令

Python ./imagenet.py images/strawberry_0.jpg images/test/output_1.jpg

最終結果：

sudo：command not found解決方法：

可參考：https://blog.csdn.net/hello_1995/article/details/109222650

目前寫這么多，后續再補充。。

總結

以上是生活随笔為你收集整理的Nvidia Jetson TX1的刷机以及jetson inference的运行的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。