jetson nano开发使用的基础详细分享_jetson nano开发教程

前言：

最近拿到一块jetson nano 2GB版本的板子，折腾了一下，从烧录镜像、修改配件等，准备一篇开箱基础文章给大家介绍一下这块AI开发板。

作者：良知犹存

转载授权以及围观：欢迎关注微信公众号：羽林君

或者添加作者个人微信：become_me

---

Jetson nano初步介绍:

Jetson Nano是Nvidia在TX2和Xavier获得成功后推出的低配版GPU运算平台。在官方的资料上，Jetson Nano公布的参数如下：

技术规格：

包含了一块128核Maxwell架构的GPU，虽然已经是几代前的架构，不过因为用于嵌入式设备，从功耗、体积、价格上也算一个平衡。Nano的计算能力不高，勉强可以使用一些小规模、并且优化过的网络进行推理，训练的话还是不够用的。

内存减半这种情况确实让人有些顾虑，官方的主要应对措施是换用更轻量的桌面环境LXDE。这个已经在10月21日刚发布的JetPack 4.4.1镜像中提供。

那么这块板子能帮我们实现是什么呢？

这是我从其他人文章摘录过来的一些分析，供大家参考

Jetson Nano 2GB Developer Kit虽然与4GB的nano相比，将内存容量砍半，但价格却锐减40%，对于用这款开发组件作为入门学习教材的用户来说，是个相当划算的取舍，笔者也将在这篇文章中分析2种版本的硬件规格差异，以及实际性能比较。

Jetson Nano 2GB Developer Kit开宗明义的目标就是推广教育市场，所以在推出破盘“学生价”的同时，也不会将规格阉割太多，以免影响到功能与应用。

Jetson Nano 2GB Developer Kit（文中以2GB版简称）与原版Jetson Nano Developer Kit（文中以原版简称）最大的差别，当然就是名称所暗示的2GB版仅搭载2GB内存，而原版则是搭载4GB，两者除了容量有所差异外，在信道宽度与时脉、带宽方面则皆相同，此外两者的处理器、绘图处理器也都相同，因此可以预期执行小型程序的性能并不会有太大落差，但2GB版可能会因内存容量不足，在执行大型程序的时候需要通过Swap（Linux的换置空间，可以理解为虚拟内存）来存储程序资料，进而影响性能。

另一个可能会影响使用的规格，则是摄影机的连接端子。最初期的原版只有1组MIPI CSI-2端子，后期增加为2组，而2GB版则改回1组，因此只能同时连接1组MIPI CSI-2接口摄影机。

除此之外2GB版也取消了M.2 Key E无线网络模块插槽、DisplayPort图片输出端子，并将4组USB 3.2 Gen1改为1组USB 3.2 Gen1加2组USB 2.0，这个改变对创客来说可能影响不大，但对想将Jetson Nano Developer Kit当成迷你计算机、多媒体娱乐机的用户来说影响就会比较大。

最后2GB版将电源输入由5V DC插座改为USB Type-C端子，这个对于许多用户来说或许更为方便，可以视为正面的功能改进。

至于和Raspberry Pi 4或是Coral Dev Board等定位相近的产品相比，2GB版不但维持性能领先的优势，更在降价后增加了价格竞争力。另一方面，2GB版依然与原版相同能够支持CUDA绘图处理器加速运算，以及TensorFLow、PyTorch、Caffe、MxNet等业界常见，甚至应用于大型运算中心的软件框架，对于学习程序开发来说相当吃香。
虽然2GB版的价格比Raspberry Pi 4贵，但是性能、功能、支持的软件框架都更强大。

根据NVIDIA官方提供的性能对照表，2GB版在不同AI软件的性能表现能达到Raspberry Pi 4的数十倍之谱。（图中将Raspberry Pi 4的性能表现标准化为1）

在操作系统部分，笔者使用NVIDIA提供的最新版本Jetson Nano镜像文件，安装完成后会发现它的桌面环境改为LXDE18.04，与先前的Ubuntu接口有些许不同，但是整体操作仍相当接近。

值得注意的是，在第一次开机的初始设置过程中，系统会建议用户激活Swap功能，若选择默认选项，系统则会自动创建容量约为4.95GB的换置空间，以在主内存容量不足的时候存储资料，发挥虚拟内存的功效。不过由于Swap的实际路径为microSD内存卡，所以带宽与访问性能将受到很大的限制，而且反复访问也可能会加速耗损内存卡寿命。

Jetson Nano可以运行各种各样的高级网络，包括流行的ML框架的完整原生版本，如TensorFlow，PyTorch，Caffe / Caffe2，Keras，MXNet等。通过实现图像识别，对象检测和定位，姿势估计，语义分割，视频增强和智能分析等强大功能，这些网络可用于构建自动机器和复杂AI系统。

多流视频分析，Jetson Nano可实时处理多达8个高清全动态视频流，并可部署为网络视频录像机（NVR），智能相机和物联网网关的低功耗边缘智能视频分析平台。NVIDIA的DeepStream SDK 使用ZeroCopy和TensorRT优化端到端推理管道，以在边缘和本地服务器上实现最佳性能。下面的视频显示了Jetson Nano在8个1080p30流上同时执行物体检测，基于ResNet的模型以全分辨率运行，吞吐量为每秒500万像素（MP / s）。

下图显示了在线提供的流行模型的推理基准测试结果。有关在 Jetson Nano上运行这些基准测试的说明，请参见 此处。推理使用批量1和FP16精度，采用 JetPack 4.2附带的NVIDIA TensorRT加速器库。Jetson Nano在许多场景中都具有实时性能，能够处理多个高清视频流。

2GB版与4G原版的性能表现相差无几，并没有因为是阉割版而有明显落差，表现可以说让人相当满意。其中原因不外乎是双方的处理器、绘图处理器规格完全相同，且也都可以使用10W的电力模式，让彼此在运算性能部分可以有一样的表现。

从双方的规格差异来看，会造成整体性能落差的主要因素，仍在程序的内存消耗量，而Jetson Benchmarks工具可能没有触碰到该瓶颈。若程序使用超过2GB的内存，系统就需要将部分资料存储于Swap，将形成访问性能瓶颈，并影响整体性能表现。

由于2GB版的目标用户群体为AI程序与AIoT设备的入门者，撰写大型程序的机会不大，因此考量价格与性能的平衡，这样确实是不错的取舍，很适合教育单位或初学者选用。

介绍完使用场景以及一些性能分享，接下来给大家介绍一下硬件信息

大家可以在官网里面搜索对应的开发板，查看对应的接口信息，点击下面的网站 https://developer.nvidia.cn/embedded/learn/getting-started-jetson#support

我使用的是2GB的版本，所以我里面选择了 Jetson Nano 2GB Developer Kit
打开其中的User Guide选项

选中之后我们就可以看到板子详细的硬件信息。或者大家可以直接用这个传送门查看信息。

详细的硬件信息介绍，

配合上图给大家介绍一下这块板子，硬件一一对应的位置：

40 针接头 (J6)

40 引脚接头提供对电源、接地和接口信号引脚的访问。

电源引脚

有两个 3.3V 电源引脚和两个 5V 电源引脚。这些是不可切换的；当开发人员套件连接到电源时，电源始终可用。

两个 5V 引脚可用于以每个 2.5A 的电流为开发人员套件供电。（不要同时通过这些引脚和 USB-C 连接器为开发人员套件供电。）
接口信号引脚
所有信号使用 3.3V 电平
默认情况下，所有接口信号引脚都配置为 GPIO，支持 I2C 和 UART 的除外

12 针按钮接头 (J12)

该头提供 GPIO 来控制板的状态。我们额外加的套件的外壳可以连接到此接头。

8 针按钮接头 (J11)

这是一个备用的 8 针 (2x4) 按钮接头，可焊接在载板上的位置 J11 上，并用作主按钮接头的替代。

标题详细信息：

• 总引脚/位置 8
• 2 排 4 针
• 间距为 2.54 毫米
• 无遮挡
• 通孔垂直

4 针风扇接头 (J7)

J7 位置的 4 针风扇控制接头的引脚排列如下所示。

接头可支持 3 针风扇连接（GND、PWR 和 TACH）或 4 针风扇连接（GND、PWR、TACH 和 PWM）。使用具有 PWM 功能的风扇允许软件根据需要调整风扇的速度。仅支持 5V 风扇。

控制风扇

• 风扇可通过PWM控制。
• 如果要向系统中添加风扇，请选择一个5V风扇：
• 具有40mm x 40mm的螺钉间距，用于与显影剂套件散热器连接

耗电量
开发工具包的总功耗是载体板、模块和外围设备功耗的总和，由您的特定用例决定。

Jetson模块有两种软件定义的电源模式。电源模式可以通过桌面右上角的UI界面进行切换，也可以按照L4T电源管理指南进行切换。

两种模块电源模式为：

10W-更高性能的默认模式
5W-建议减少能源使用

摄像头

照相机
有关Jetson生态系统支持的摄像头的完整列表，请访问我们的合作伙伴支持的摄像头页面。

所有与Jetson Nano显影剂套件和Jetson Xavier NX显影剂套件兼容的MIPI CSI-2相机也将与Jetson Nano 2GB显影剂套件配合使用。

安装软排线摄像头模块

要安装摄像头模块，请将其柔性带状电缆连接到摄像头连接器（J5）中。遵循以下步骤：

• 1.轻轻地提起连接器闩锁（参见第一个图）。
• 2.插入摄像头带状电缆。（参见第2和第3图）金属触点应朝向显影剂套件的中心。
• 3.轻轻按下连接器闩锁，直到停止。这可能需要两个手指，每个手指位于闩锁的一端。不要用力过猛。

至于USB摄像头，大家可以直接插入USB端口即可。

烧录镜像使用初体验

需要准备：

• 电源 type-c端口的5V-4A的电源
• MicroSD卡（建议最低16GB UHS-1）
• HDMI显示屏
• USB键盘
• USB鼠标

首先我拿到的nano2g版本是只有板子的，如果要板卡运行起来，我还需要准备一张64G的闪迪（建议用闪迪，因为有些内存卡不支持nano），用来烧录nano的镜像，此外还需要一根给板卡供电的type-c端口的电源适配器，大家也可以用现在支持3a或者4a的手机充电器配一个type-c端口的线。

这里要注意自己板子的版本

1. 下载Jetson 下载中心 | NVIDIA Developer并解压得到镜像文件sd-blob.img
   镜像下载

• 下载SD卡镜像，：https://developer.nvidia.com/embedded/dlc/jetson-nano-dev-kit-sd-card-image
  

• 下载JetPack（看官网，需要JetsonPack 4.4.1才支持Jetson Nano 2GB
  ）：https://developer.nvidia.com/embedded/jetpack

2. 使用官方的Etcher的SD卡烧录，或者也可以用Win32 Diskimg写入镜像

最好在烧系统前格式化SD卡一下，即 SD Card formatter（官网推荐）

连接外设(鼠标、键盘、显示器)并启动，这里如果我们要进行屏幕显示的启动，除了连接的HDMI显示器，鼠标和键盘也是必须要连接的，在Jetson Nano 2GB Developer Kit里面有描述。

通过这张图，大家可以清晰看到要是启动display，则Monitor, keyboard and mouse是必须的。

3. 烧写完成后，将SD卡插入Jetson Nano,接上显示器和电源开机

最终启动效果如图：

配件使用

1. 硬件风扇 和 wif模块
   因为nano使用起来发热挺严重的，所以我在上面加了一个散热的风扇，nano 2g里面默认风扇的配件是没有，所以这个部分也是我自己购买的，不过我没有使用pwm控制的风扇，而是使用了直驱的风扇，并且在nano 2gb 板子上焊接了排插，接入风扇。

排插位置，以及对应的丝印的电源和GND位置：

实际安装情况：

安装之后检测一下CPU温度情况：
这部分我们使用了jetson-stats这个包，此外我们也可以使用lm-sensors进行查询CPU实时温度。
jetson-stats是一个软件包，用于监测和控制Nvidia Jetson设备的，其中jtop可以实时监测温度；

安装：

sudo apt-get install python-pip
sudo -H pip install jetson-stats
1
2

使用： jtop 命令

这个时候在右下角，我们可以看到CPU温度在23.5摄氏度，这个是一个正常温度，而在没有风扇散热情况下，板卡待机的CPU温度能达到33摄氏度。所以还是很有效的散热。

此外因为板卡有时候需要进行下载东西以及进行远程调试，所以我们最好加一个wifi模块，方便我们的工作。

2. 远程VNC
   因为nano上面我们想跑一些视觉等等需要界面查看的模型，而不只是单纯的使用命令行进行访问，那么我们就需要用到远程桌面了。

说到远程桌面，可能大家会比较熟悉VNC Viewer这个软件。这里我们介绍如何配合Jetson Nano的 Desktop功能来远程访问。
首先，下载并安装VNC Viewer软件到你的电脑上。（这里是下载链接）
需要先用HDMI屏幕和键盘等链接到Jetson Nano

• 安装vino

sudo apt install vino

• 设Enable VNC 服务 （此时手动可打开vnc server）

sudo ln -s …/vino-server.service /usr/lib/systemd/user/graphical-session.target.wants

配置VNC server:

gsettings set org.gnome.Vino prompt-enabled false

gsettings set org.gnome.Vino require-encryption false

编辑org.gnome,恢复丢失的“enabled”参数,输入一下命令进入文件，将下方key内容添加到文件的最后面。保存并退出。

sudo vi /usr/share/glib-2.0/schemas/org.gnome.Vino.gschema.xml

设置为Gnome编译模式

sudo glib-compile-schemas /usr/share/glib-2.0/schemas

现在屏幕共享面板在单位控制中心工作…但这并不足以让vino运行!所以您需要在会话启动时添加程序:Vino-server，使用以下命令行:

/usr/lib/vino/vino-server
这种是属于手动启动，如果每次都需要手动启动会比较麻烦下面会设置开机自启动的形式。

• 设置VNC登陆密码(‘thepassword’ 修改为自己的密码)

gsettings set org.gnome.Vino authentication-methods “[‘vnc’]”

gsettings set org.gnome.Vino vnc-password $(echo -n ‘thepassword’|base64)

• 重启机器，验证是否设置vnc 成功

sudo reboot

• 设置开机自启动VNC Server

VNC服务器只有在您本地登录到Jetson之后才可用。如果您希望VNC自动可用，请使用系统设置应用程序来启用自动登录。

gsettings set org.gnome.Vino enabled true

mkdir -p ~/.config/autostart

vi ~/.config/autostart/vino-server.desktop

将下面的内容添加到该文件中，保存并退出。

[Desktop Entry]

Type=Application

Name=Vino VNC server

Exec=/usr/lib/vino/vino-server

NoDisplay=true

如果系统设置为需要输入用户密码才可以进入桌面，以上的改脚本需要等进入桌面后才会启动，建议将系统设置为用户自动登录到桌面。

• 连接VNC Server
  使用vnc viewer软件进行VNC连接，首先需要查询ip地址，我这里查到的是172.16.60.147，输入IP地址后点击OK，双击对应的VNC用户输入密码，最后进入到VNC界面

下载安装vnc deb包,链接

启动vnc界面，输入对应IP 进行连接：

结果如图：

nano使用介绍以及资料分享：

镜像完成安装了，使用的基本配套工具也准备好了，那么我们该怎么进行nano的使用呢？
下面就给大家分享一些nano使用中，我们可以参考的学习资料，方便大家进行学习使用。

官方资料

首先进入官网最开始的nano介绍网页，里面就有对应的学习引导：

里面有AI的部分，有配合的机器小车的教程。

官方 Jetson Nano Developer Kit User Guide

https://developer.nvidia.cn/embedded/learn/get-started-jetson-nano-2gb-devkit#next

技术论坛：https://developer.nvidia.com/embedded-computing

对应的英文技术论坛：https://forums.developer.nvidia.com/

还有jetson nano本身对应的社区，比如jetson projects以及专门tutorials

jetsontutorials

https://developer.nvidia.cn/embedded/learn/tutorials

jetson项目

大家可以在里面去搜寻符合自己需求的功能，看该项目的的源码或者博文，这是一个很快速的搭建自己工程的方法。

https://developer.nvidia.cn/embedded/community/jetson-projects

详细嵌入式开发指导说明：

这个部分就是比较详细的底层开发的指导了，包含基本的驱动的音视频开发，这个部分属于大家要深度定制化自己的板卡时候对应的资料：

https://docs.nvidia.com/jetson/archives/l4t-archived/l4t-325/index.html#page/Tegra%20Linux%20Driver%20Package%20Development%20Guide/introduction.html#wwpID0E3HA

JetBot

NVIDIA JetBot是一个新的开源自动机器人套件，它提供了所有软件和硬件计划，以低于250美元的价格构建一个人工智能的深度学习机器人。硬件材料包括Jetson Nano，IMX219 800万像素摄像头，3D打印机箱，电池组，电机，I2C电机驱动器和配件。
https://jetbot.org/master/index.html

国内的一些资料

创客智造： jetson https://www.ncnynl.com/search/jetson/

微雪：
jeston nano官方网页里面显示，微雪是nano的国内合作伙伴。
https://www.waveshare.net/wiki/Jetson_Nano_Developer_Kit

英伟达嵌入式系统技术介绍资料：

https://aijishu.com/u/liumingkang

或者微信公众号 NVIDIA英伟达企业解决方案

去里面搜索Jetson nano 2GB 就可以看到相关的文章

结语

相比Jetson Nano 4GB 使用的GNOME桌面，Jetson Nano 2GB 使用的是轻量化的LXDE桌面，大幅节省内存。这也是Jetson Nano 2G版可以和4G版本运行大多数相同的项目的原因之一。

NVIDIA Jetson Nano 2GB对于想要运行计算量不大的项目，且预算不多的开发者来说绝对是性价比之选，可以仅以54美元就享受到其4GB版的绝大多数功能，但是不能否认的是其2GB的内存，在需要使用Jetson Nano训练模型的时候会略感缓慢。总而言之，Jetson Nano绝对是性价比之选。配合Jetson社区丰富的项目和课程，可以高效地进行AI学习。可以说是新手入门AI计算的绝佳之选。接下来我们就开始玩起来哈。

这就是我jetson nano使用的初步分享，后面继续分享在一些自己使用这块AI计算板卡的经验。如果大家有更好的想法和需求，也欢迎大家加我好友交流分享哈。

---

作者：良知犹存，白天努力工作，晚上原创公号号主。公众号内容除了技术还有些人生感悟，一个认真输出内容的职场老司机，也是一个技术之外丰富生活的人，摄影、音乐 and 篮球。关注我，与我一起同行。

                              ‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧  END  ‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧‧
1

推荐阅读

【1】在球场上我向人民币玩家低了头

【2】Linux开发coredump文件分析实战分享

【3】CPU中的程序是怎么运行起来的 必读

【4】cartographer环境建立以及建图测试

【5】设计模式之简单工厂模式、工厂模式、抽象工厂模式的对比

本公众号全部原创干货已整理成一个目录，回复[ 资源 ]即可获得。