第一章 开发环境配置：系统烧录、Python环境、OpenCV编译与TensorRT/PyTorch安装

做仿生眼项目，第一步就是搭环境。说实话，这一步劝退了很多人。

我记得刚开始带团队时，有个小伙子拿着新买的 Jetson 开发板，兴冲冲地跑来说：「老师，我系统装好了，咱们直接写代码吧？」结果一查，OpenCV 没装 GPU 版本，TensorRT 版本和 PyTorch 对不上，折腾了两天。嗯，从那以后，我要求所有新人必须按这套流程走一遍。

1.1 系统烧录：Ubuntu 20.04 vs 22.04 怎么选？

我个人习惯用 Ubuntu 20.04。为什么？因为稳定。TensorRT 8.x 对 20.04 的支持最成熟，PyTorch 的预编译包也最全。22.04 当然也能用，但有些底层库（比如 libc 版本）会跟老设备驱动打架。

烧录步骤其实很简单，但有几个细节要注意：

1. 下载镜像：去 NVIDIA 官网下载 JetPack 5.0+，里面自带 Ubuntu 20.04。
2. 制作启动盘：用 Rufus（Windows）或 dd 命令（Linux）。我建议用 Rufus，图形化界面不容易出错。
3. 烧录：插上 SD 卡或 NVMe 硬盘，开机进入 BIOS 设置启动顺序。嗯，这里要注意——有些开发板默认从 eMMC 启动，你得手动切到 SD 卡。
4. 验证：进系统后跑 uname -a，确认内核版本是 5.10 以上。

1.2 Python 环境：Anaconda 还是 Miniconda？

我建议用 Miniconda。Anaconda 预装了一堆你用不到的包，占空间不说，还容易跟系统 Python 冲突。仿生眼项目里，我们只需要 Python 3.8 或 3.10，外加几个核心库。

安装命令很简单：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh
bash Miniconda3-latest-Linux-aarch64.sh

装完后记得跑 conda init，然后重启终端。我个人习惯创建一个独立环境：

conda create -n bionic_eye python=3.8
conda activate bionic_eye

1.3 OpenCV 编译与安装：从源码开始

很多人喜欢 pip install opencv-python，但这样装的是 CPU 版本。做仿生眼，摄像头实时处理、图像金字塔、光流跟踪……这些都需要 GPU 加速。所以，必须从源码编译。

编译 OpenCV 其实不复杂，但有几个关键点：

1. 下载源码：从 GitHub 拉取 OpenCV 4.8.0 和 opencv_contrib（里面有 SIFT、SURF 等专利算法）。
2. 安装依赖：sudo apt install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
3. 配置 CMake：这是最关键的步骤。一定要开启 WITH_CUDA 和 WITH_CUDNN。

我常用的 CMake 配置如下：

cmake -D CMAKE_BUILD_TYPE=RELEASE \
      -D CMAKE_INSTALL_PREFIX=/usr/local \
      -D WITH_CUDA=ON \
      -D WITH_CUDNN=ON \
      -D OPENCV_DNN_CUDA=ON \
      -D ENABLE_FAST_MATH=1 \
      -D CUDA_FAST_MATH=1 \
      -D WITH_CUBLAS=1 \
      -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules \
      ..

编译完成后，验证一下：

python -c "import cv2; print(cv2.getBuildInformation())"

看到 CUDA: YES 和 CUDNN: YES 就对了。

1.4 TensorRT 与 PyTorch 安装：版本匹配是核心

TensorRT 和 PyTorch 的版本必须严格对应。你想想看，如果 TensorRT 8.5 配 PyTorch 1.12，那 ONNX 导出时算子映射就会出错。我整理了一个版本对照表：

我个人推荐用 TensorRT 8.5 + PyTorch 1.13。这个组合经过大量项目验证，稳定性最好。

安装 TensorRT 有两种方式：

• Deb 包安装：从 NVIDIA 官网下载，sudo dpkg -i 即可。适合新手。
• Tar 包安装：解压后配置环境变量。我习惯用这种方式，方便多版本切换。

PyTorch 安装直接用 pip：

pip install torch==1.13.0 torchvision==0.14.0 --index-url https://download.pytorch.org/whl/cu117

import torch
import tensorrt as trt
print("PyTorch version:", torch.__version__)
print("TensorRT version:", trt.__version__)

1.5 本章知识体系

下面这张图总结了整个开发环境的配置流程。说白了，就是一条主线：系统 → Python → OpenCV → 深度学习框架。每一步都有坑，但按这个顺序走，基本不会出大问题。

公众号:蓝海资料掘金营，微信deep3321