2. 开发环境搭建：JetPack SDK安装、SDK Manager使用、系统烧录与初始配置

说实话，很多朋友拿到Jetson开发板，第一件事就是急着跑模型。我劝你先别急。环境没搭好，后面全是坑。我自己就吃过这个亏——第一次装JetPack时选了全量安装，结果硬盘爆了，系统直接卡死。嗯，从那以后，我每次都会先规划好存储空间。

这一章，咱们就把开发环境从头捋一遍。你跟着我的节奏走，基本不会出问题。

2.1 JetPack SDK到底是什么？

JetPack SDK，说白了就是NVIDIA给Jetson系列准备的一整套开发工具包。它不光是个系统镜像，里面还包含了CUDA、cuDNN、TensorRT、OpenCV这些核心库。你想想看，要是每个库都自己去编译，光CUDA就能折腾你一天。

我个人习惯把JetPack理解成「Jetson的瑞士军刀」。它帮你把底层驱动、AI框架、多媒体API全都打包好了。你只需要选择自己需要的组件，剩下的交给它自动处理。

核心组件一览：
  • L4T (Linux for Tegra) — 底层系统内核和驱动
  • CUDA Toolkit — GPU并行计算框架
  • cuDNN — 深度神经网络加速库
  • TensorRT — 推理优化引擎
  • OpenCV — 计算机视觉库
  • Multimedia API — 视频编解码、摄像头驱动

2.2 SDK Manager：你的装机好帮手

SDK Manager是NVIDIA官方提供的图形化安装工具。我刚开始用的时候也觉得没必要，命令行多酷啊。但后来发现，这玩意儿能帮你省掉至少80%的配置时间。

为什么会这样？因为它会自动检测你的Jetson型号、Host主机的环境，然后匹配最合适的JetPack版本。你不需要去官网翻半天文档找兼容性列表。

2.2.1 安装SDK Manager

首先，你得有一台运行Ubuntu的Host主机。我个人推荐Ubuntu 20.04或22.04，这两个版本最稳。我曾经试过用18.04，结果SDK Manager报了一堆依赖错误，折腾了两小时。

# 下载SDK Manager的deb包
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/nvidia-sdk-manager_1.9.2-1_amd64.deb

# 安装
sudo apt install ./nvidia-sdk-manager_1.9.2-1_amd64.deb

# 启动
sdkmanager
小技巧： 安装前先执行 sudo apt update && sudo apt upgrade，把系统依赖更新到最新。不然安装过程中容易卡在依赖问题上。

2.2.2 使用SDK Manager烧录系统

启动SDK Manager后，登录你的NVIDIA开发者账号。这一步不能省，没账号的去官网注册一个，免费的。

接下来你会看到几个选项：

  1. 选择硬件平台 — 选你的Jetson型号，比如Jetson Orin NX、Jetson Xavier NX等
  2. 选择JetPack版本 — 我建议选最新的LTS版本，比如JetPack 5.1.x。别追最新版，容易踩坑
  3. 选择安装模式 — 有「Host Machine」和「Target Machine」两种。我们选后者，也就是把系统烧录到Jetson上

嗯，这里要注意：烧录前请确保Jetson开发板已经进入恢复模式。怎么进？按住开发板上的「RECOVERY」键，再按一下「RESET」键，然后松开。接着用USB线把Jetson连接到Host主机上。

⚠️ 重要提醒： 烧录过程中不要断开USB连接，不要断电。我曾经有一次手贱拔了线，结果Jetson变砖了，只能重新刷机。整个过程大概20-30分钟，去泡杯咖啡等着就好。

2.3 系统烧录的两种方式

除了SDK Manager，你还可以用命令行方式烧录。我个人觉得，SDK Manager适合新手，命令行适合老手或者需要批量部署的场景。

2.3.1 SDK Manager方式（推荐）

刚才已经讲过了，图形化界面，点几下鼠标就行。它会自动下载镜像、解压、烧录、安装组件。你只需要在最后一步勾选你需要的组件：

  • CUDA Toolkit — 必选
  • cuDNN — 必选
  • TensorRT — 必选（跑AI推理就靠它）
  • OpenCV — 建议选，省得自己编译
  • Multimedia API — 如果做视频处理就选上

2.3.2 命令行方式（进阶）

如果你跟我一样，喜欢掌控每一个细节，可以试试命令行：

# 下载L4T驱动包和根文件系统
wget https://developer.nvidia.com/embedded/l4t/r35_release_v3.1/release/Jetson_Linux_R35.3.1_aarch64.tbz2
wget https://developer.nvidia.com/embedded/l4t/r35_release_v3.1/release/Tegra_Linux_Sample-Root-Filesystem_R35.3.1_aarch64.tbz2

# 解压
tar -xvf Jetson_Linux_R35.3.1_aarch64.tbz2
cd Linux_for_Tegra/rootfs/
sudo tar -xvf ../../Tegra_Linux_Sample-Root-Filesystem_R35.3.1_aarch64.tbz2

# 安装根文件系统
cd ..
sudo ./apply_binaries.sh

# 烧录到Jetson
sudo ./flash.sh jetson-orin-nx-devkit mmcblk0p1
我的经验： 命令行方式适合你需要在多块Jetson上部署相同系统的情况。你可以先在一台Host上配置好所有组件，然后写个脚本批量烧录。我在项目里最多一次烧了20块Jetson Orin NX，用脚本半小时搞定。

2.4 系统初始配置

系统烧录完成后，第一次启动Jetson，你会看到一个初始设置向导。这里有几个关键点，我帮你列出来：

2.4.1 设置用户和密码

默认用户名是 nvidia，密码也是 nvidia。我建议你改成自己的密码，别偷懒。我曾经在展会上演示时，有人直接用默认密码SSH连上了我的Jetson，场面一度很尴尬。

2.4.2 配置网络

Jetson支持Wi-Fi和有线网络。我个人习惯用有线，稳定、速度快。如果你用Wi-Fi，注意5GHz频段信号更好，2.4GHz容易受干扰。

2.4.3 设置存储空间

这是个大坑。Jetson的eMMC存储通常只有16GB或32GB，装完系统就剩一半了。我建议你：

  • 插一张大容量SD卡 — 至少128GB，用来存数据集和模型
  • 挂载外部SSD — 通过USB 3.0或M.2接口，速度更快
  • 修改apt源 — 把软件源指向SD卡或SSD，避免eMMC爆满
# 查看磁盘空间
df -h

# 挂载SD卡（假设是/dev/mmcblk1p1）
sudo mount /dev/mmcblk1p1 /mnt/sdcard

# 设置apt缓存到SD卡
sudo mkdir -p /mnt/sdcard/apt-cache
sudo ln -s /mnt/sdcard/apt-cache /var/cache/apt

2.4.4 验证环境是否正常

配置完成后，跑几个命令验证一下：

# 查看系统版本
cat /etc/nv_tegra_release

# 检查CUDA是否安装成功
nvcc --version

# 检查TensorRT版本
dpkg -l | grep tensorrt

# 跑一个简单的GPU测试
nvidia-smi

如果 nvidia-smi 能正常显示GPU信息，说明你的环境基本没问题了。接下来就可以开始愉快的开发了。

2.5 避坑指南

最后，我把自己踩过的坑总结一下，你遇到了可以直接翻到这里：

  • 烧录失败 — 检查USB线是不是数据线（有些线只能充电），换根线试试
  • 系统卡在启动界面 — 大概率是电源功率不够，Jetson Orin NX需要至少15W供电
  • CUDA版本不匹配 — 别自己手动装CUDA，用JetPack自带的版本最稳
  • 磁盘空间不足 — 装完系统第一件事就是挂载外部存储，别问我怎么知道的

好了，环境搭好了，下一章咱们聊聊怎么用命令行工具监控Jetson的性能。到时候我会分享几个我压箱底的调试技巧，保证让你眼前一亮。

← 上一章 📖 返回目录 下一章 →