这个教程详细记录了我配置Jetson Xavier NX过程，自用，踩了很多坑所以贴出来分享给大家。这个教程有时效性，可能你装的时候，界面不完全一样，只要不报错，每一步就是没问题的，这个文档有结合Jetson群里一些文档，与GPUS公司的一些教程，我会在文后或者文中贴出来
PS：再次强调我没说明的步骤，只要你执行完不报错，就是没问题的！！！
一.刷机
安装xavier官方OS映像，这个网上一堆刷机教程，这里附一个链接，若失效，可自行百度
1.刷机教程：https://blog.csdn.net/u013963960/article/details/106194620
2.官方下载jetpack链接：https://developer.nvidia.com/embedded/downloads
二．关于更新源
使用 Jetson Nano 的默认源进行更新。更新过程很漫长，大家可以执行完命令，做其他事吧。以下两个操作建议一定在做 AI 的项目前执行，否则安装一些库会找不到安装地址，导致后面频繁出错。依次输入以下两个命令：
sudo apt-get update
sudo apt-get full-upgrade
在过程中输入 Y 确认更新。第二个过程时间根据网络情况可能会花 2 个小时左右，请耐心等待(这个地方我装的很快，因人而异)
三．检查已经安装的系统组件
Jetson Xavier NX 的 OS 镜像已经自带了 JetPack，cuda，cudnn，opencv 等都已经安装好，并有例子
(1) 检查 CUDA
Jetson Xavier NX 中已经安装了 CUDA10.2 版本，但是此时你如果运行 nvcc -V 是不会成功的， 需要你把 CUDA 的路径写入环境变量中。OS 中自带 Vim 工具 ，所以运行下面的命令编辑环境变量
sudo vim ~/.bashrc
在最后添加下面三行（这里需要你对linux命令有一点点了解，小白可以百度练习，改错了就再重新来，楼主就是这样开始）：
export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.0/bin:$PATH
注意:如果添加上面三句还是显示 nvcc not found，首先，查看 cuda 的 bin 目录下是否有 nvcc： cd /usr/local/cuda/bin ，如果存在，vim ~/.bashrc 进入配置文件，把上面三句减少为下面两句（我得经验是，第一步一般不行，直接错了就改成两行）
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
然后保存退出（长按esc，再按：wq！）
然后需要 source 下生效下。
source ~/.bashrc （这里如果报错，就自己手动输入，不要复制粘贴那两行代码）
source 后，此时再执行 nvcc -V 执行后界面应该这样
2）检查 OpenCV
Jetson Xavier NX 中已经安装了 OpenCV4.1.1 版本，可以使用命令检查 OpenCV 是否安装就绪 ：pkg-config opencv --modversion
如果 OpenCv 安装就绪，会显示版本号
注意：如果此条命令无法查看，可以在终端输入 python 进入 python 编程环境，然后添加输入一下两段代码极客查看 opencv 版本
import cv2
cv2.__version__
（3）检查 cuDNN（这一步其实也可以略过，如果cuda没问题，这个一般也没问题）
Jetson-nano 中已经安装好了 cuDNN，并有例子可供运行，我们运行一下例子，也正好验证上面的 CUDA
cd /usr/src/cudnn_samples_v8/mnistCUDNN/ #进入例子目录
sudo make #编译一下例子
./mnistCUDNN # 执行
如果以上无法运行可添加权限： sudo chmod a+x mnistCUDNN
四．USB外接摄像头（一般默认接CSI摄像头，如果你是接CSI摄像头此步可以跳过）
（1）输入： ls /dev/video*
如果没有插 CSI 摄像头则应该是 video0
（2）测试摄像头：使用应用程序茄子（cheese）
输入：sudo apt-get install cheese
装好后，用命令： cheese #打开摄像头
五．安装各种包和GPU
(1)安装pip
因为 Jetson Xavier NX 中已经安装了 Python3.6 版本，所以安装 pip 还是比较简单的 ,输入命令：sudo apt-get install python3-pip python3-dev
安装后 pip 是 9.01 版本，需要把它升级到最新版，输入命令：
python3 -m pip install --upgrade pip #升级 pip
升级后 pip 版本为 20.2.4。这里面升级后会有一个小 Bug，需要手动改一下
sudo vim /usr/bin/pip3 #打开 pip3 文件
将原来的
from pip import main
if __name__ == '__main__':
sys.exit(main())
改成（两个下划线，如果修改后有问题，看看是不是你修改错了，这里对按这个对几遍）
from pip import __main__
if __name__ == '__main__':
sys.exit(__main__._main())
修改结束后保存。运行 pip3 -V 成功后显示
(2)安装那些机器学习领域非常重要的包（报错是网络问题，多尝试）
sudo apt-get install python3-numpy #numpy
sudo apt-get install python3-scipy #scipy
sudo apt-get install python3-pandas #pandas
sudo apt-get install python3-matplotlib #matplotlib（这里中途需要输入一个Y）
sudo apt-get install python3-sklearn #sklearn（这里中途需要输入一个Y）
a确认 CUDA 已经被正常安装，输入命令 ：nvcc -V
如果能看到 CUDA 版本号，即为正确安装
b安装所需要的包
sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran如果按y还是一直报错，那就修改命令行如下，在后面加个-y
sudo apt-getinstalllibhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran -y如果还有错误，请手动输入，复制粘贴可能存在错误。
(3)安装 TensorFlow GPU 版 （不建议在线，会出很多错误）
1.在线安装：
sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow
2.离线安装（我上传资源在我主页，可以找到）
可以自行百度下载tensorflow的whl文件，也可以找我要百度云链接，下载后放入home文件夹下，然后输入指令：
pip3 install tensorflow-2.2.0+nv20.6-cp36-cp36m-linux_aarch64.whl（这里的版本号按你下载的版本修改，下载途中可能也会需要在线安装一些软件包直接Y通过，如果出现一动不动的情况,多试几次,可能是网络问题，或者出现报错，大概率也是网络原因，不厌其烦多试几次总能成功的）
(4)安装 Keras
sudo pip3 install keras（报错多尝试几次，可能是网络原因）
六．配置DEMO运行环境并运行。实行实时监测【这一节我是参考GPUS公司网站，链接会贴在文末，配置环境可参考，调用摄像头命令不是那个】
（1）安装 git 和 cmake
sudo apt-get install libpython3-dev python3-numpysudo apt-get install git cmake接着git 上克隆 jetson-inference 库：
git clone https://github.com/dusty-nv/jetson-inference
注意:可能会出现 error: RPC failed; curl 56 GnuTLS recv error (-54): Error in the pull function.这个原因是由于 git 默认缓存大小不足导致的，使用下面的命令增加缓存大小
git config --global http.postBuffer 5242880000如果还是不行可能是网速慢，配置 git 的最低速度和最低速度时间
git config --global http.lowSpeedLimit 0
git config --global http.lowSpeedTime 999999（2）安装jetson-inference
cd jetson-inference #进入jetson-inference
git submodule update --init #取得代码更新版本在进入cmake前，需要调整镜像，输入下面两行命令：（这里其实是换源，不然无法下载）
sed -in-place -e 's@https://nvidia.box.com/shared/static@https://bbs.gpuworld.cn/mirror@g' tools/download-models.sh
sed -in-place -e 's@https://nvidia.box.com/shared/static@https://bbs.gpuworld.cn/mirror@g' tools/install-pytorch.sh接着进行cmake
mkdir build #创建 build 文件夹
cd build #进入 build
cmake ../ #运行 cmake正常情况下会下载很多模型，这里如果没能*，请手动下载然后放到上面提到的路径 data/networks
注意:可能会出现个弹框出现说时候安装 pytorch，这个根据个人需要选择。（一直按yes就好，这里如果报错，也是网络原因，多试几次，如果你愿意，半夜装最好）
如果环境备注正确的话，最后会出现下图最后一行“Build files have been written to: xxxxx/build” 的信息，否则就会出现错误信息。如果出现错误，建议把 build 目录产生的内容全部清空（在 build 目录下执行 rm -rf *），然后重新 cmake ..（建议直接从home里删除jetson-inference文件夹全部重新开始）下面是配置好的界面。
配置好后继续执行以下命令：
make -j4 #使用 4 个 CPU 核同时编译
sudo make install #要写入系统目录去这就完成了所有配置过程，过程会将执行档存在jetson-inference/buidl/aarch64/bin 下，请自行更换到该目录，然后执行调用命令./imagenet-console ./images/bird_0.jpg output.jpg
找到对应目录下查看 output.jpg 如下，会在图片上端显示识别结果（建议直接实时检测，这个命令用的时候我第二次有问题了，可以自行查jetson-inference文件夹下的代码说明）
（3）调用摄像头实时检测（记得在前面提供的bin目录下执行命令）
命令：
./detectnet.py /dev/video0说明：这个命令你看到的时候，不一定就是这个了，楼主第三次重刷系统时，之前那个命令就没法用了，如果你这里输入命令出现报错，就去readme文件里查看每个功能的说明文件，这里楼主是在detect net-camera.md文件里找到了说明。这里我调用的python代码
GPUS运行Demo：http://www.gpus.cn/gpus_list_page_techno_support_content?id=52
jetson群号：725916205（群主跟群里的人都很友好，欢迎大家加入交流）