1. Jetson Nano与Jetpack4.6环境准备
拿到Jetson Nano开发板的第一件事,就是给它装上一个干净的操作系统。Jetpack4.6相当于NVIDIA为Jetson系列量身定制的"全家桶",包含了CUDA、cuDNN、TensorRT等核心组件。我建议直接从官网下载SD卡镜像,这样能避免后续各种依赖库版本冲突的坑。
镜像烧录其实很简单,但新手常在这里翻车。推荐使用balenaEtcher这个工具,它支持Windows/Mac/Linux三平台,操作界面就三个按钮:选择镜像、选择SD卡、开始烧录。记得先用SD Card Formatter彻底清空你的microSD卡(建议至少32GB容量),不然可能会出现莫名其妙的启动问题。
烧录完成后插卡开机,你会看到一个Ubuntu 18.04的桌面环境。先别急着装软件,这时候要做三件重要的事:
- 扩展存储空间:运行
sudo ./flash.sh命令,把剩余未分配的SD卡空间利用起来 - 换国内源:编辑
/etc/apt/sources.list文件,把默认源替换成清华或阿里云的镜像源(具体操作后面会讲) - 初始化CUDA环境:在
.bashrc文件末尾添加这几行:
bash复制export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. PyTorch与TorchVision的ARM架构安装
在x86电脑上装PyTorch直接pip install就行,但Jetson Nano用的是ARM架构处理器,必须安装NVIDIA专门编译的版本。经过实测,Jetpack4.6对应的是PyTorch 1.7.0+TorchVision 0.8.1这个组合最稳定。
安装过程分三步走:
bash复制# 先装依赖库
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev libjpeg-dev zlib1g-dev
