百度智能云智能边缘AI加速卡（英伟达） - Jetson依赖说明
文档简介：
一、硬件准备：
本文使用的设备是jetson nano，也可以使用Jetson Xavier TX2/NX/AGX等设备。
二、jetpack依赖：
本实验使用的模型依赖于JetPack 4.4，在安装 JetPack 时务必安装对应的组件：
使用 SDK Manager 安装 JetPack 需要勾选 TensorRT、OpenCV、CUDA、cuDNN 等选项。
咨询热线：400-826-7010，为您提供专业的售前咨询，让您快速了解云产品，助您轻松上云！
微信咨询
免费试用、价格特惠
一、硬件准备
本文使用的设备是jetson nano，也可以使用Jetson Xavier TX2/NX/AGX等设备。
二、jetpack依赖
本实验使用的模型依赖于JetPack 4.4，在安装 JetPack 时务必安装对应的组件：
- 使用 SDK Manager 安装 JetPack 需要勾选 TensorRT、OpenCV、CUDA、cuDNN 等选项。
- 使用 SD Card Image 方式（仅对 Jetson Nano 和 Jetson Xavier NX 有效）则无需关心组件问题，默认会全部安装。
在已经安装好的Jetson设备上，可以使用apt-cache show nvidia-jetpack、jetsonUtilities和jtop来查看jetpack版本。
1.使用apt-cache show nvidia-jetpack
执行如下命令，查看jetson版本：
nvidia@miivii-tegra:~$ sudo apt-cache show nvidia-jetpack [sudo] password for nvidia: Package: nvidia-jetpack Architecture: arm64 Version: 4.5-b129 Priority: standard Section: metapackages Maintainer: NVIDIA Corporation Installed-Size: 194 Depends: nvidia-cuda (= 4.5-b129), nvidia-opencv (= 4.5-b129),
nvidia-cudnn8 (= 4.5-b129), nvidia-tensorrt (= 4.5-b129), nvidia-visionworks (= 4.5-b129),
nvidia-container (= 4.5-b129), nvidia-vpi (= 4.5-b129), nvidia-l4t-jetson-multimedia-api
(>> 32.5-0), nvidia-l4t-jetson-multimedia-api (<< 32.6-0) Filename: pool/main/
n/nvidia-jetpack/nvidia-jetpack_4.5-b129_arm64.deb
Size: 29360 MD5sum: 06962c42e462f643455d6194d1a2d641
SHA1: cb17547b902b2793e0df86d561809ecdbf7e401f
SHA256: 002646e6d81d13526ade23d7c45180014f3cd9e9f5fb0f8896b77dff85d6b9fe
SHA512: 99e95085ecd9ff4c33a0fc01da35a56447db2e6f372aa08c9e307a4dfd955c0ccd2d9
c27e508d808f54e24827cba022338e0fc32a7bebce421c5381e16e1ac23 Homepage: http://developer.nvidia.com/jetson Description: NVIDIA Jetpack Meta Package Description-md5: ad1462289bdbc54909ae109d1d32c0a8
2.使用jetsonUtilities
下载jetsonUtilities到本地，然后执行如下python脚本：
nano@jetson-nano:~$ python jetsonInfo.py
NVIDIA Jetson AGX Xavier [16GB] L4T 32.5.0 [ JetPack 4.5 ] Ubuntu 18.04.5 LTS
Kernel Version: 4.9.201-tegra
CUDA 10.2.89
CUDA Architecture: 7.2 OpenCV version: 4.1.1
OpenCV Cuda: NO
CUDNN: 8.0.0.180
TensorRT: 7.1.3.0
Vision Works: 1.6.0.501
VPI: ii libnvvpi1 1.0.15 arm64 NVIDIA Vision Programming Interface library
Vulcan: 1.2.70
上述为jetpack 4.5版本的信息。
3.使用jtop
参考jetson_stats官网安装jtop程序，安装命令如下：
# 1. 更新系统包 sudo apt-get update sudo apt-get upgrade # 2. 安装pip sudo
apt-get install python-pip # 3. 检查 pip 是否安装成功 pip -V # 4.安装jtop sudo
-H pip install -U jetson-stats # 5.查看系统服务状态 sudo systemctl status jetson_
stats # 6.卸载jtop sudo pip uninstall jetson-stats # 7. 查看pip软件清单 pip list
安装完毕以后，可以执行jtop命令查看jetson信息，如下图所示：
三、nvidia-docker依赖
jetson设备默认安装了docker，建议使用docker 19.03及以上版本。可以在jetson设备上执行docker info查看docker信息，执行结果如下：
$ docker info
Client:
Debug Mode: false
Server:
Containers: 38
Running: 21
Paused: 0
Stopped: 17
Images: 12
Server Version: 19.03.6
Storage Driver: overlay2
Backing Filesystem: extfs
Supports d_type: true
Native Overlay Diff: true
Logging Driver: json-file
Cgroup Driver: cgroupfs
Plugins:
Volume: local
Network: bridge host ipvlan macvlan null overlay
Log: awslogs fluentd gcplogs gelf journald json-file local logentries splunk syslog
Swarm: inactive
Runtimes: nvidia runc
Default Runtime: nvidia
Init Binary: docker-init
containerd version:
runc version:
init version:
Security Options:
seccomp
Profile: default
Kernel Version: 4.9.140-tegra
Operating System: Ubuntu 18.04.5 LTS
OSType: linux
Architecture: aarch64
CPUs: 4
Total Memory: 3.871GiB
Name: jetson-nano
ID: O7GP:DDD5:5CIR:LEWJ:2BQ3:4WIW:VA4H:JDCP:5VGL:L2K3:PLZ7:KBHO
Docker Root Dir: /var/lib/docker
Debug Mode: false
Registry: https://index.docker.io/v1/
Labels:
Experimental: false
Insecure Registries:
127.0.0.0/8
Live Restore Enabled: false
如果Default Runtime不是nvidia，而是runc，则修改/etc/docker/daemon.json文件，添加"default-runtime": "nvidia"，修改完毕以后的/etc/docker/daemon.json文件如下所示：
nano@jetson-nano:~$ cat /etc/docker/daemon.json { "default-runtime": "nvidia", "runtimes":
{ "nvidia": { "path": "nvidia-container-runtime", "runtimeArgs": [] } } }
修改完毕以后，重启docker，执行如下命令：
sudo systemctl daemon-reload sudo systemctl restart docker
四、库文件依赖
EasyEdge Jetson 推理镜像依赖库文件，需下载对应版本库文件，并将其放置在 Jetson 设备 /etc/nvidia-container-runtime/host-files-for-container.d/ 目录下，如下图所示：
库文件下载地址：
- jetpack 4.4：easyedge_runtime_j44.csv
- jetpack 4.5：easyedge_runtime_j45.csv
五、查看其他信息常用命令
1.查看nv_tegra_release版本
nano@jetson-nano:~$ head -n 1 /etc/nv_tegra_release
# R32 (release), REVISION: 4.3, GCID: 21589087, BOARD: t210ref, EABI: aarch64, DATE: Fri Jun 26 04:38:25 UTC 2020
2.查看cuda-driver版本
查看cudu驱动版本，可以使用一下命令：
nano@jetson-nano:~$ dpkg -l | grep cuda-driver ii cuda-driver-dev-10-2 10.2.89-1
arm64 CUDA Driver native dev stub library
3.查看TensorRT版本
查看TensorRT版本，可以使用一下命令：
nano@jetson-nano:~$ dpkg -l | grep TensorRT ii graphsurgeon-tf 7.1.3-1+cuda10.2 arm64 GraphSurgeon for TensorRT package ii libnvinfer-bin 7.1.3-1+cuda10.2 arm64 TensorRT binaries ii libnvinfer-dev 7.1.3-1+cuda10.2 arm64 TensorRT development libraries and headers ii libnvinfer-doc 7.1.3-1+cuda10.2 all TensorRT documentation ii libnvinfer-plugin-dev 7.1.3-1+cuda10.2 arm64 TensorRT plugin libraries ii libnvinfer-plugin7 7.1.3-1+cuda10.2 arm64 TensorRT plugin libraries ii libnvinfer-samples 7.1.3-1+cuda10.2 all TensorRT samples ii libnvinfer7 7.1.3-1+cuda10.2 arm64 TensorRT runtime libraries ii libnvonnxparsers-dev 7.1.3-1+cuda10.2 arm64 TensorRT ONNX libraries ii libnvonnxparsers7 7.1.3-1+cuda10.2 arm64 TensorRT ONNX libraries ii libnvparsers-dev 7.1.3-1+cuda10.2 arm64 TensorRT parsers libraries ii libnvparsers7 7.1.3-1+cuda10.2 arm64 TensorRT parsers libraries ii nvidia-container-csv-tensorrt 7.1.3.0-1+cuda10.2 arm64 Jetpack TensorRT CSV file ii
python-libnvinfer 7.1.3-1+cuda10.2 arm64 Python bindings for TensorRT ii python-libnvinfer-dev 7.1.3-1+cuda10.2 arm64 Python development package for TensorRT ii python3-libnvinfer 7.1.3-1+cuda10.2 arm64 Python 3 bindings for TensorRT ii python3-libnvinfer-dev 7.1.3-1+cuda10.2 arm64 Python 3 development package for TensorRT ii tensorrt 7.1.3.0-1+cuda10.2 arm64 Meta package of TensorRT ii uff-converter-tf 7.1.3-1+cuda10.2 arm64 UFF converter for TensorRT package
