一、NVIDIA Jetson Orin開發板的硬件情況
df -h#查看操作系統情況
Filesystem Size Used Avail Use% Mounted on
**/dev/nvme0n1p1** 234G 17G 208G 8% /
none 7.4G 0 7.4G 0% /dev
tmpfs 7.6G 0 7.6G 0% /dev/shm
tmpfs 1.6G 19M 1.5G 2% /run
tmpfs 5.0M 4.0K 5.0M 1% /run/lock
tmpfs 7.6G 0 7.6G 0% /sys/fs/cgroup
tmpfs 1.6G 28K 1.6G 1% /run/user/1000
Ubuntu操作系統安裝在一個NVMe固態硬盤（/dev/nvme0n1p1）上
free -h#查看CPU內存情況
total used free shared buff/cache available
Mem: 15G 2G 11G 1.5G 2G 11G
Swap: 2G 0M 2GCPU的內存情況
sudo pip3 install -U jetson-stats#安裝
sudo systemctl restart jtop.service#啟動
sudo jtop#q退出
顯示GPU運行情況。
二、在NVIDIA Jetson Orin開發板上的PyCharm中運行代碼并利用GPU進行加速
- cuda庫和驅動程序 ：
jetpack（NVIDIA JetPack 是專為 NVIDIA Jetson 系列開發板（如 Jetson Nano、Jetson TX2、Jetson Xavier NX 和 Jetson AGX Orin 等）設計的綜合性軟件開發包。JetPack 提供了一整套工具和庫，用于加速 AI 和邊緣計算應用的開發。） - 支持GPU加速的庫：pytorch
1.1 安裝命令
sudo apt update
sudo apt install nvidia-jetpack
1.2 查看cuda是否安裝成功
ls /usr/local/cuda#顯示cuda目錄
1.3 配置環境變量
echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
1.4 檢驗cuda版本，顯示版本信息即安裝成功
nvcc --version
2、pytorch安裝
2.1、下載預編譯輪子文件
https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048
確認適合Python3.8和cuda11.4的文件
wget https://developer.download.nvidia.cn/compute/redist/jp/v44/pytorch/torch-1.10.0-cp38-cp38-linux_aarch64.whl
wget https://developer.download.nvidia.cn/compute/redist/jp/v44/pytorch/torchvision-0.11.1-cp38-cp38-linux_aarch64.whl
2.2、安裝輪子文件
pip install numpy # 安裝 numpy
pip install torch-1.10.0-cp38-cp38-linux_aarch64.whl
#pip install torchvision-0.11.1-cp38-cp38-linux_aarch64.whl
2.3、安裝依賴庫OpenBLAS（它是一個高性能的線性代數庫，pytorch依賴他進行數值計算）
sudo apt-get install libopenblas-dev
2.4、測試安裝情況
import torch
print("CUDA available:", torch.cuda.is_available())
if torch.cuda.is_available():print("CUDA device name:", torch.cuda.get_device_name(0))三、設置pycharm項目界面開機自啟動
1、確定項目結構和入口腳本
/home/makerobo/PycharmProjects/SVDD-Python-master/
├── pyqt_test/
│ ├── boundary.png
│ ├── distance.png
│ └── main.py
├── SECURITY.md
├── src/
│ ├── BaseSVDD.py
│ └── __pycache__/
2、創建啟動腳本‘run.sh’
在項目目錄 /home/makerobo/PycharmProjects/SVDD-Python-master/ 中創建一個名為 run.sh 的啟動腳本：
#!/bin/bash
export DISPLAY=:0 # 確保圖形界面可用
cd /home/makerobo/PycharmProjects/SVDD-Python-master/ # 進入項目目錄# 激活虛擬環境，我的虛擬環境為pytorch_svdd
source /home/makerobo/anaconda3/bin/activate pytorch_svdd# 運行Python腳本
python pyqt_test/main.py
確保‘run.sh’腳本有可執行權限：
chmod +x /home/makerobo/PycharmProjects/SVDD-Python-master/run.sh
3、創建‘systemd’服務單元文件
在‘/etc/systemd/system/’下創建‘SVDD-Python-master.service’服務文件
sudo vi /etc/systemd/system/SVDD-Python-master.service
[Unit]
Description=My PyCharm Python Project
After=network.target[Service]
ExecStart=/home/makerobo/PycharmProjects/SVDD-Python-master/run.sh
WorkingDirectory=/home/makerobo/PycharmProjects/SVDD-Python-master
Environment="DISPLAY=:0"#指定顯示環境變量，用于 GUI 應用程序，確保它們知道在哪里繪制窗口
Environment="XAUTHORITY=/home/makerobo/.Xauthority"#用于身份驗證，允許程序在顯示器上繪制窗口
Environment="CONDA_EXE=/home/makerobo/anaconda3/bin/conda"#指定 conda 可執行文件的位置
Environment="CONDA_PREFIX=/home/makerobo/anaconda3/envs/pytorch_svdd"#指定激活的 conda 環境路徑
Environment="CONDA_PYTHON_EXE=/home/makerobo/anaconda3/bin/python"#指定 Python 可執行文件的位置
Environment="CONDA_DEFAULT_ENV=pytorch_svdd"#指定默認的 conda 環境
Environment="PATH=/home/makerobo/anaconda3/envs/pytorch_svdd/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin"#更新 PATH 變量，使其包含 conda 環境中的可執行文件路徑
StandardOutput=inherit
StandardError=inherit
Restart=always
User=makerobo[Install]
WantedBy=multi-user.target
4、設置文件權限和所有權
確保項目目錄及其文件的所有權和權限正確
sudo chown -R makerobo:makerobo /home/makerobo/PycharmProjects/SVDD-Python-master/
sudo chmod -R +x /home/makerobo/PycharmProjects/SVDD-Python-master/
5、啟用和啟動服務
重新加載‘system’配置:
sudo systemctl daemon-reload
啟用服務，使其在開機時自動運行
sudo systemctl enable SVDD-Python-master.service
啟動服務
sudo systemctl start SVDD-Python-master.service
6、驗證服務是否正常運行
sudo systemctl status SVDD-Python-master.service
)
