配置说明
一、刷机/重装系统
二、环境配置
三、参考
一、刷机/重装系统(系统损坏时可按以下步骤重装系统)
1）刷机之前的准备
（1）装有ubuntu16.04的电脑（主机），因为我们要安装的JetPack3.3支持的是16.04的系统。记住主机的剩余空间要留大一点。
2）下载JetPack3.3，详细步骤如下
（1）下载地址：https://developer.nvidia.com/embedded/jetpack
（2）进入下载页面后选择如下的选项进入下一页
（3） 点击下载进入下面的选项
（4）点击 Ubuntu（64-bit）进入下一项，需要注册登录
（5）有账号的就登录，没账号的就注册 一下，界面如下所示
3） 修改Ubuntu系统自带的软件源
（1）把Ubuntu系统自带的源修改为国内的源，中科大源链接：https://mirrors.ustc.edu.cn/repogen/
deb https://mirrors.ustc.edu.cn/ubuntu/ eoan main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ eoan main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ eoan-security main restricted universe multiverse deb-src https://mirrors.ustc.edu.cn/ubuntu/ eoan-security main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ eoan-updates main restricted universe multiverse deb-src https://mirrors.ustc.edu.cn/ubuntu/ eoan-updates main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ eoan-backports main restricted universe multiverse deb-src https://mirrors.ustc.edu.cn/ubuntu/ eoan-backports main restricted universe multiverse
## Not recommended
# deb https://mirrors.ustc.edu.cn/ubuntu/ eoan-proposed main restricted universe multiverse # deb-src https://mirrors.ustc.edu.cn/ubuntu/ eoan-proposed main restricted universe multivers
（2）在终端输入如下命令备份Ubuntu自带的源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
（3）在终端输入以下的命令将Ubuntu原有的源替换为上诉国内的源
sudo gedit /etc/apt/sources.list
（4）在终端输入以下的命令来使更改有效
sudo apt-get update
4）JetPack的安装
（1）进入你存放下载的JetPack包的文件夹，在终端输入以下命令对更改权限
chmod +x ./JetPack-L4T-3.3-linux-x64_b39.run
（2）接着在终端输入以下命令执行安装
sudo ./JetPack-L4T-3.3-linux-x64_b39.run
实际操作效果如下图所示，此时出现弹出窗口-Error。
别急，出现的原因是之前已经更改了权限，这里再使用 sudo 就会报错，故我们不使用 sudo执行命令即可，
./JetPack-L4T-3.3-linux-x64_b39.run
最终的实际图如下所示图所示。
（3） 在弹出的页面上点击 Next出现如下的页面
（4）继续点击Next出现如下页面
（5）选择“ Jetson TX2 ”继续点击 Next出现如下的页面
（6）选择 “ full ”选项，然后继续点击 Next出现如下的页面
（7）全部选择接受，继续点击Next，出现如下的页面
（8）输入密码。继续点击Authenticate，出现如下的界面
特别注意：根据需要选择安装Action，如若仅需要重装系统，则只需将Target下 linux for。。以及Flash OS image保持install状态，其他安装项更换为no action状态即可！！！
（9） 等下载完，继续点击 Next出现如下的界面
（10）继续点击 Next 出现如下的界面
（11）选择上图所示， 此时用一根网线将TX2和主机连入同一个路由器，并ping以下看能否ping通，具体实际图如下
（12）继续点击操作（10）的Next出现如下的界面
（13） 选择默认，继续点击 Next出现如下的界面
（14）继续点击 Next 出现如下的界面
（15）此时，将TX2断电，并将TX2开发板的 microUSB 和主机相连，然后再将TX2上电开机，紧接着按下TX2的RECOVERY按键不松手，接着按下RESET按键并松手2秒后再松开RECOVERY按键。一定要按顺序来。
（16）再重开一个终端，输入命令：lsusb，看是否出现有 “NVIDIA Corpration”等设备，如出现则说明已成功进入Recovery模式。实际图如下
（17）当成功进入Recovery模式后， 我们便在如下的界面终端中按入 Enter 进行后面的操作
（18）在（17）操作执行完以后便开始进行刷机，这期间就是等待，然后在等待的过程中不出意外会遇到下面的坑，主机一直搜索TX2的IP地址，无法进行下去。但是此时你主机和TX2却是能相互ping通的，然后你就蒙了，不知咋办。别急，后面有奇招。
（19）出现上诉坑时， 我们先别选 2 选项，在TX2的系统上，我们进入 home 文件下发现有 “ report_ip_ to_host.sh ”，我们在终端用权限打开该文件，并在文件里面写上主机的 IP 地址。然后在TX2的终端执行如下的命令，主机端执行 Retry 即可解决上诉问题，接着执行剩余的刷机工作。
（20） 紧接着在执行过程中又会跳出如下的问题，显示不能在TX2上安装cuda，这我们可就不乐意了，你不让我安装 cuda，那我用TX2来有何用，对吧，既然这种方式不能安装，那我们就跑到TX2上面去按照提示自己安装。凡是遇到这种类似的情况我们都根据他的提示跑到TX2上面去自己安装即可解决。
（21）上诉操作完成后等一会儿便会最终进入下面的界面，此时，恭喜你，你已刷机成功。可以去嗨了。
（22） 关闭上诉终端，不要移除已下载的文件，万一以后还要刷多次呢，点击 finish 完成退出。
至此，系统刷机完成。接下来要进行深度学习环境配置工作。
二、环境配置
本人已经提供相应安装包放置于tx2-software文件夹下，如需配置安装其他环境请自行下载安装
链接：https://pan.baidu.com/s/1R6fGJ1EElr3lI7b79cyYWw
提取码：girg
首先将tx2-software拷入 tx2的 /home/nvidia/目录下
0.更新tx2更新源
- sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak #为防止误操作后无法恢复，先备份原文件sources.list
- sudo vim /etc/apt/sources.list #打开sources.list，将原来的内容使用”#”符号全部注释掉，然后在文件结尾出添加中国科学技术大学或清华的源
将文件改为国内源（注意修改之前先将原文件备份），还有一点要注意，换源需要换ARM的源，不要换成了pc平台的软件源。这里推荐两个国内源，将原来文件里面的内容全部替换成下面两个源之一就可以：
清华源：
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial-updates main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial-updates main restricted universe multiverse deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial-security main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial-security main restricted universe multiverse deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial-backports main restricted universe multiverse deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial main universe restricted
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ xenial main universe restricted
中科大源：
deb http://mirrors.ustc.edu.cn/ubuntu-ports/ xenial-updates main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ xenial-updates main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu-ports/ xenial-security main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ xenial-security main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu-ports/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ xenial-backports main restricted universe multiverse
deb http://mirrors.ustc.edu.cn/ubuntu-ports/ xenial main universe restricted
deb-src http://mirrors.ustc.edu.cn/ubuntu-ports/ xenial main universe restricted
替换之后，执行
sudo apt-get update
1.cuda安装
CUDA® 是NVIDIA 创造的一个并行计算平台和编程模型。它利用图形处理器 (GPU)能力，实现计算性能的显著提高。借助目前已售出的数百万支持 CUDA 的 GPU，软件开发人员、科学家和研究人员正在各种各样的应用程序中使用 GPU 加速计算。CUDA工具包为C和C ++开发人员构建提供了一个全面的开发环境 ，GPU加速的应用程序。该工具包包括用于NVIDIAGPU的编译器，数学库以及用于调试和优化应用程序性能的工具。
版本查看：
安装Cuda（TX2已经自带，检查后可跳过这一步）
若没有跳出cuda的版本，则需手动安装cuda：
1）手动安装
cd /home/nvidia/tx2-software/cuda chmod 777 cuda-repo-l4t-8-0-local_8.0.84-1_arm64.deb bash cuda-l4t.sh cuda-repo-l4t-8-0-local_8.0.84-1_arm64.deb 8.0 8-0
若出现缺少依赖项错误，则需要使用
sudo apt-get install -f 解决
按照以上命令下载cuda安装包
若无cuda安装包，则可使用
$ wget http://developer.download.nvidia.com/devzone/devcenter/mobile/jetpack_l4t/013/linux-x64/cuda-repo-l4t-8-0-local_8.0.84-1_arm64.deb
然后安装cuda：
$ sudo dpkg -i cuda-repo-l4t-8-0-local_8.0.84-1_arm64.deb $ sudo apt-get update $ sudo apt-get install cuda-toolkit-8-0
2）环境配置
sudo vim ~/.bashrc
将下面指令添加到最后
export PATH=/usr/local/cuda-8.0/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/snap/bin export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:
source ~/.bashrc
使用nvcc -V验证cuda是否安装成功
如果需要卸载：
cd /usr/local/cuda/bin sudo ./uninstall_cuda_8.0.pl sudo rm -rf cuda-8.0
2.cudnn
NVIDIA Cudnn是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA Cudnn可以集成到更高级别的机器学习框架中，如加州大学伯克利分校的流行CAFFE软件。简单的，插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是调整性能，同时还可以在GPU上实现高性能现代并行计算。
Cudnn支持的算法
1. 卷积操作、相关操作的前向和后向过程。
2. pooling的前向后向过程
3. softmax的前向后向过程
4. 激活函数的前向后向过程
a)ReLU
b)sigmoid
c)TANH
5. Tensor转换函数，其中一个Tensor就是一个四维的向量。
安装Cudnn
cd /home/nvidia/tx2-software/cudnn sudo dpkg -i libcudnn6_6.0.21-1+cuda8.0_arm64.deb sudo dpkg -i libcudnn6-dev_6.0.21-1+cuda8.0_arm64.deb cat /usr/include/cudnn.h | grep CUDNN_MAJOR -A 2
3.python安装
Python是一种广泛应用在深度学习开发设计的计算机语言，它具自己的相关特色，比如它具有十分简捷的语言技能，以下的文章就是对Python特色的相关实际介绍，以下就是文章的具体问题的相关描述。
Tx2上默认是python2版本的，已经过时了，因此我们需要讲原始python替换为python3
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
把两个版本的python加入到alternatives列表中，然后运行以下命令配置
sudo update-alternatives --config python
选择python3 版本 然后退出 运行python 查看版本
4.pip安装
1)安装pip
sudo apt-get install python3-pip
2) 查看版本
pip3 -V
3)升级版本
pip3 install --upgrade pip
4)错误解决（若发生如下错误）
解决：
7)解决问题
sudo chmod 777 /usr/bin/pip3 sudo vim /usr/bin/pip3
将原来的：
from pip import main
if __name__ == '__main__':
sys.exit(main())
改为：
from pip import __main__
if __name__ == '__main__':
sys.exit(__main__._main())
问题得到解决：
5.tensorflow-gpu安装
Tensorflow是Google开源的基于数据流图的深度学习框架，支持python和c++程序开发语言。轰动一时的AlphaGo就是使用tensorflow进行训练的，其命名基于工作原理，tensor 意为张量（即多维数组），flow 意为流动。即多维数组从数据流图一端流动到另一端。目前该框架支持 Windows、Linux、Mac乃至移动手机端等多种平台。
安装：
可以使用pip命令直接安装，但通常版本不合适，如需其他版本可自行下载安装
本文使用下载好的tensorflow 1.4.1版本进行安装
- cd /home/nvidia/tx2-software
- sudo pip install tensorflow-1.4.1-cp35-cp35m-linux_aarch64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple
- 可以加入在上述命令后加入 -i https://pypi.tuna.tsinghua.edu.cn/simple 指定清华源
可在jetson官方下载中心下载对应的python版本的whl文件，然后用cd命令定位到whl文件，然后使用类似以下命令：
sudo pip install tensorflow-1.4.1-cp35-cp35m-linux_aarch64.whl
运行python
import tensorflow as tf
tf.__version__
若出现上图所示warning ，则是因为numpy版本过高，因此需要将numpy降级
先卸载numpy
- sudo pip3 uninstall numpy
再将numpy降级
- sudo pip3 install numpy=1.16.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
tf.__version__
表示安装成功
6.keras安装
Keras是基于TensorFlow和Theano（由加拿大蒙特利尔大学开发的机器学习框架）的深度学习库，是由纯python编写而成的高层神经网络API，也仅支持python开发。它是为了支持快速实践而对tensorflow或者Theano的再次封装，让我们可以不用关注过多的底层细节，能够把想法快速转换为结果。Keras默认的后端为tensorflow，如果想要使用theano可以自行更改。tensorflow和theano都可以使用GPU进行硬件加速，往往可以比CPU运算快很多倍。因此如果你的显卡支持cuda的话，建议尽可能利用cuda加速模型训练。
1)安装依赖项
- sudo apt-get install python3-scipy
- sudo pip3 install cython -i https://pypi.tuna.tsinghua.edu.cn/simple
- sudo apt-get install libhdf5-dev
- sudo apt-get install python3-h5py
- sudo apt-get install libfreetype6-dev
- sudo pip3 install pypng
- pip3 install libpng-devel
- sudo pip3 install python3-matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
若出现如下错误
解决方法：
- sudo apt-get install libfreetype6-dev
- sudo pip3 install pypng
- pip3 install libpng-devel
- sudo pip3 install matplotlib
2)安装keras
sudo pip3 install keras -i https://pypi.tuna.tsinghua.edu.cn/simple
7.opencv安装
openCV 是一个开放源代码的计算机视觉应用平台，目标是实现实时计算机视觉
1.git clone https://github.com/Alro10/OpenCVTX2.git
2.cd OpenCVTX2
3.vim buildOpenCV.sh
4.将.sh文件中的cuda改为8.0
5.将opencv3打开 opencv2关闭
保存退出
- chmod 777 buildOpenCV.sh
- ./ buildOpenCV.sh
若出现如下错误
E: Sub-process /usr/bin/dpkg returned an error code (1)错误解决
在用apt-get安装软件时出现了类似于
install-info: No dir file specified; try --help for more information.dpkg：处理 gettext (--configure)时出错： 子进程 post-installation script 返回了错误号 1 在处理时有错误发生：
findutils
E: Sub-process /usr/bin/dpkg returned an error code (1)
办法如下：
1.$ sudo mv /var/lib/dpkg/info /var/lib/dpkg/info_old ——现将info文件夹更名
2.$ sudo mkdir /var/lib/dpkg/info ——再新建一个新的info文件夹
3.$ sudo apt-get update ——更新软件源
$ sudo apt-get -f install
4.$ sudo mv /var/lib/dpkg/info/* /var/lib/dpkg/info_old ——执行完上一步操作后会在新的info文件夹下生成一些文件，现将这些文件全部移到info_old文件夹下
5.$ sudo rm -rf /var/lib/dpkg/info ——把自己新建的info文件夹删掉
6.$ sudo mv /var/lib/dpkg/info_old /var/lib/dpkg/info ——把以前的info文件夹重新改回名字
到此问题顺利解决！
运行生成opencv文件夹 在build里编译安装。
- cd ~/opencv/build
- sudo make
- sudo make install
查看安装版本：pkg-config opencv --modversion
三、参考链接
来源：https://blog.csdn.net/u011689890/article/details/100523094