一、准备工作

硬件：Jetson Xavier NX开发板（笔者购入为带128g内存条的EMMC版）、跳线帽（杜邦线）、microUSB转USB数据线、电源线

软件：Ubuntu host主机（可运行Ubuntu的虚拟机/双系统）、NVIDIA SDK MANAGER（下载地址：NVIDIA SDK Manager | NVIDIA Developer）。

在Ubuntu主机里安装sdkmanager，命令如下，版本不同则tab补齐安装。

sudo apt install ./sdkmanager_1.6.0-8170_amd64.deb

硬件准备

用杜邦线或者跳线帽将Xavier NX第三个引脚FC_REC与第二/四引脚GND短接（上电后会进入recovery模式），并插上电源给板子供电。然后通过NX的microusb接口连接host主机的USB接口（没有的可以通过扩展坞转接），主机识别到串口后连接到虚拟机内（若是双系统无需此步骤），不要勾选记住此选择，以防之后无法连接到主机。

软件准备

TIPS:在进行安装下载前建议换国内源（常用的比如阿里，清华，中科大源）以加快jetpack及CUDA组件下载速度

打开一个终端，输入sdkmanager，启动sdkmanager（或直接点击sdkmanager图标启动）

sdkmanager

登录 NVIDIA 账号（没有的话自己申请一个），选择登录方式为Developer账户（跳转到NVIDIA网页登录确认，stay logged in之后不需要再登录）。如果sdkmanager提示更新点击yes更新即可，对于如下系统不符合要求的警告不需要管yes继续即可。

二、开始刷机

STEP 01

弹窗选择板子的型号：Jetson Xavier NX（如果没有弹出就是usb没插好，使用lsusb命令查看是否有名称带nvidia的设备），也可以在下图中Target Hardware里刷新后自动读取。

安装时注意选择JetPack5.0.2版本（对应安装ubuntu20.04版本）其他的JetPack版本和ubuntu，CUDA，cudda的对应关系可在英伟达官网查看https://developer.nvidia.com/embedded/jetpack-archive，如多数教程选择的Ubuntu18.04就对应jetpack4.5.1版本。

安装成功后通过以下命令查看本机jetpack版本ubuntu版本则可通过设置-详细信息查看。

sudo apt-cache show nvidia-jetpack

取消勾选第四行里的DeepStream（用于构建智能视频分析（IVA）管道的加速人工智能框架，笔者用不到所以不装）、取消勾选Host Machine（这个是为主机下载安装文件的，若是想在主机上安装 nivida 软件，勾选这个，实际上不必），而后点击 continue，进入下一步。

STEP 02

注意！这里我们先只安装Jetpack系统，等将系统迁移到SSD上面后，再进行其他SDK组件的安装（jetson Xavier NX系统自带内存16g不足以安装其他SDK组件）

勾选左下角接收协议后才能点击continue进入下一步下载安装!系统剩余空间如果大于17GB即可继续下载安装jepack系统。如果提醒disk内存不够或还需要xxMB，无需担心（文件下载到主机的路径无需更改，为保证后续组件安装，建议在开始使用SDKmanager前，主机留足40G以上的内存）

键入HOST主机的ubuntu系统密码后点击ok即可下载

STEP03

下载过程中如果出现检测网络，apt仓库未成功的问题无需担心，skip通过即可(通常是网络问题，只要保证download下载的进度条在前进就说明下得动，下的速度快慢就是另一回事了)整个下载过程视网络状况而定，而烧录系统过程则需要30-60分钟。点击DETAILS旁边的TERMINAL即可查看NX内具体安装命令和报错提示。

当下载完成要刷新目标设备时，SDK Manager 会打开一个对话框。提示会提供有关设备以使其准备就绪以进行闪烁的说明：其中，将启动方式更改为手动，输入并创建 Jetson 的用户名和密码。（后续安装SDK组件过程中选择自动）

点击箭头展开可以看到安装的软件包细节，当出现OS image ready时可以拔掉跳线帽，但电脑与NX连接的USB不要拔！(整个烧录过程必须保证电脑与NX保持连接以防烧录失败)

等待系统烧写完成，时间稍久，Jetson NX会重启，如果接上显示屏就会看到ubuntu登录界面，无外接显示屏看进度条和听风扇转速就知道了。（此过程中可能会提醒烧写超时无需紧张继续即可，如果报错可以关掉SDKmanager重新烧录，一般电脑和NX的USB连线全程保持不断开就没问题）开机后连上键鼠，启动ubuntu系统后连接wifi、添加中文输入法、设置快捷键等基本操作。

三、插入内存条并设置SSD为首启动方式（扩容）

1、格式化SSD：

由于官方自带内存仅为16G，厂家一般提供SSD内存条用以扩容。插上内存条SSD后，在NX启动的Ubuntu系统中，打开disks软件，点击右上角菜单，将固态硬盘格式化。无需更改选项，直接格式化。然后点击左下角+号继续分区。

点击加号开始分区，增加16GB的空间作为SWAP交换空间（也可用gparted实现）重命名后创建。

效果如图所示：

2、将root等信息从SD卡复制到SSD：

首先，从git上复制最新rootOnNVMe项目到home目录下(通过U盘拷贝也可以)。

git clone https://github.com/jetsonhacks/rootOnNVMe.git
cd rootOnNVMe

然后执行下面的脚本，将根源文件复制到SSD

./copy-rootfs-ssd.sh

启动从SSD启动的脚本

./setup-service.sh

然后重启开机后就会发现内存变为了110G

四、安装CUDA，cuDNN等组件

接下来开始安装CUDA等其他组件，拔掉跳线帽，USB别拔！HOST主机继续打开sdk manager。确定jetpack版本号，点击continue进入下一步。

必须保证jetpack版本与刷机的版本一致，否则安装会失败，如果忘记了可通过以下命令查看本机jetpack版本。

sudo apt-cache show nvidia-jetpack`

取消勾选系统，只勾选组件，左下角同意协议后点击continue进入下一步（不要勾选稍后安装）

这里我们通过SDKmanager自动安装与jetpack版本对应的CUDA、cuDNN、OpenCV（不支持CUDA加速的版本）、VPI等必须的组件。

如果出现问题无法安装我们可以在下载路径找到下载的安装包，通过u盘拷贝到NX上安装，手动安装的系列问题读者可自行搜索。

输入主机ubuntu密码后开始下载，弹出以下页面，IP 地址默认是 192.168.55.1，选择USB选项（如果后续刷机失败可以尝试更改 IP 为局域网地址），键入设置的用户名和密码。

如果NX板没有完成初始化系统并自动重启，这里可能会有红字报错：显示没有连接上。所以请等待NX板完成初始化并重启后再进行SDK Manager 这边的安装。

进入安装、时间可能会比较久。

安装pip3

sudo apt install python3-pip

安装jtop工具（英伟达官方查看jetson系列环境的软件）

sudo -H pip3 install jetson-stats==4.0.0rc2

安装后需要重启，然后启动jtop，通过左右键移动到info页面查看系统安装的组件信息

sudo jtop

初始环境搭建完成，接下来卸载原来的OpenCV并重装OpenCV4.5.4

五、重装支持CUDA加速的OpenCV

1、卸载默认OpenCV

由上图可知默认的 OpenCV 版本是不带 CUDA 加速的，无法充分利用 NX 的 GPU 性能，所以需要卸载重装支持CUDA加速的版本，卸载命令如下：

sudo apt purge libOpenCV*
sudo apt autoremove
sudo apt update

2、安装依赖库

在安装依赖之前建议换源，打开source.list文件，编辑前可以先把原来的内容复制后备份文档。

   sudo gedit /etc/apt/sources.list

更换成清华源，也可以更换成阿里源/中科大等常用源，注意jepack5.02对于的是ubuntu20.04版本所以是focal而不是bionic（对应ubuntu18.04）。其中为了安装旧的libpng12需要加入xenial （ubuntu16.04）的源

   deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-updates main restricted universe multiverse
   deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-updates main restricted universe multiverse
   deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-security main restricted universe multiverse
   deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-security main restricted universe multiverse
   deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-backports main restricted universe multiverse
   deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-backports main restricted universe multiverse
   deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal main universe restricted
   deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal main universe restricted
   deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial main multiverse restricted universe

然后安装依赖。

sudo apt install -y build-essential checkinstall cmake pkg-config yasm git gfortran
sudo apt update
sudo apt install -y libjpeg8-dev libjasper-dev libpng-dev libtiff5-dev libavcodec-dev libavformat-dev libswscale-dev libdc1394-22-dev libxine2-dev libv4l-dev
sudo apt install -y libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev libgtk2.0-dev libtbb-dev libatlas-base-dev libfaac-dev libmp3lame-dev libtheora-dev libvorbis-dev libxvidcore-dev libopencore-amrnb-dev libopencore-amrwb-dev x264 v4l-utils
sudo apt install python2-dev python3-dev python-numpy python3-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

可能会出现问题的是libjasper-dev依赖，通过以下命令解决。

sudo apt install libjasper1 libjasper-dev

3、下载 OpenCV 和 opencv_contrib 源码

前往官方仓库https://github.com/opencv下载合适版本的OpenCV和opencv_contrib源码，笔者在装机时选择的是4.5.3版本，而安装的jepack系统自带OpenCV版本是4.5.4，不建议使用与jepack自带OpenCV差距过大的版本。

下载解压后可以将两者放在主目录下，将opencv_contrib-4.5.3移动到 OpenCV-4.5.3目录下，打开OpenCV-4.5.3目录新建build文件夹用以编译。

cd opencv-4.5.3
mkdir build
cd build

4、编译和安装 OpenCV

在cmake编译之前，手动下载cmake过程中缺失的依赖https://files.cnblogs.com/files/arxive/boostdesc_bgm.i%2Cvgg_generated_48.i%E7%AD%89.rar（建议Windows下载解压成zip格式通过u盘拷入，ubuntu系统默认不支持rar格式）

解压后直接拷贝以下文件名的源码，放在opencv_contrib/modules/xfeatures2d/src/ 路径下即可。

boostdesc_bgm.i
boostdesc_bgm_bi.i
boostdesc_bgm_hd.i
boostdesc_lbgm.i
boostdesc_binboost_064.i
boostdesc_binboost_128.i
boostdesc_binboost_256.i
vgg_generated_120.i
vgg_generated_64.i
vgg_generated_80.i
vgg_generated_48.i

然后打开build文件夹，执行的 cmake命令如下：

cmake \
-D WITH_CUDA=ON \
-D CUDA_ARCH_BIN="7.2" \
-D WITH_cuDNN=ON \
-D OPENCV_DNN_CUDA=ON  \
-D cuDNN_VERSION='8.4' \
-D cuDNN_INCLUDE_DIR='/usr/include/' \
-D CUDA_ARCH_PTX="" \
-D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-4.5.3/modules \
-D WITH_GSTREAMER=ON \
-D WITH_LIBV4L=ON  \
-D BUILD_opencv_python3=ON \
-D BUILD_TESTS=OFF \
-D BUILD_PERF_TESTS=OFF \
-D BUILD_EXAMPLES=OFF \
-D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local \
..   

其中-D CUDA_TOOLKIT_ROOT_DIR的目录CUDA版本要和本机对应，-D CUDA_ARCH_BIN和-D CUDA_ARCH_PTX可以通过jtop命令查看，-D OPENCV_EXTRA_MODULES_PATH建议填写opencv_contrib里modules的绝对路径，-D CMAKE_INSTALL_PREFIX为安装路径。

然后进行编译安装，全开NX的12线程仍然需要编译较长时间。

sudo make -j12
sudo make install

安装成功后可以通过jtop指令查看，如图所示已安装好支持CUDA加速的OpenCV4.5.3版本

六、Pytorch的安装

下载jetpack专用的Pytorch源码，资源由NVIDIA提供在官方论坛上，含最新完整安装、验证教程。

https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-11-now-available/72048

注意Pytorch与jetpack、torchversion的版本对应关系, PyTorch v1.11.0及以上版本只支持jetpack5.x的版本。

然后前往GitHub仓库下载对应版本的torchversion，接着按照上图的教程安装。

https://github.com/pytorch/vision

这里列举出官方教程所示的命令，可提供以下的wegt命令下载Pytorch，然后安装依赖并安装。

wget https://nvidia.box.com/shared/static/p57jwntv436lfrd78inwl7iml6p13fzh.whl -O torch-1.12.0-cp36-cp36m-linux_aarch64.whl
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev libomp-dev
pip3 install Cython
pip3 install numpy torch-1.12.0-cp36-cp36m-linux_aarch64.whl

基于Python3安装torchvision的官方命令如下，需要自行根据Pytorch版本填写torchvision版本。

$ 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   # see below for version of torchvision to download
$ cd torchvision
$ export BUILD_VERSION=0.x.0  # where 0.x.0 is the torchvision version  
$ python3 setup.py install --user
$ cd ../  # attempting to load torchvision from build dir will result in import error

七、小结

最终在Jetson Xavier NX（emmc版）上安装了Ubuntu20.04系统，利用内存条扩容并设置SSD首启动，成功配置了CUDA 11.4，cuDNN8.4.1，PyTorch v1.12.0，支持CUDA加速的OpenCV4.5.3等环境。大部分流程采用官方源和官方教程，如果将来英伟达官方更新仍然可以适用，希望这个教程可以帮到大家。