Jetson Nano踩坑记：软件篇

前言

作为一名每天对着各种裸板的系统工程师，对Jetson Nano会踩到各种坑是做好了充分准备的，本着踩坑填坑的精神，在这里记录一下踩坑经历，供大家一乐。如何避开这些坑？想多了，因为以后你们即使绕开了这些坑，也会有其它的坑等着你:) 重要的是做到人挡杀人、佛挡杀佛，遇到坑直接趟过…

一、CUDA和cuDNN版本问题

CUDA和cuDNN是NVIDIA推出的GPU并行计算库和深度学习库，对于Jetson Nano来说必不可少。但是，不同的CUDA和cuDNN版本之间存在兼容性问题，需要特别注意。

踩坑经历：

刚拿到Jetson Nano时，兴冲冲地安装了最新的CUDA 11.0和cuDNN 8.0，然后发现TensorFlow无法正常运行。经过一番折腾，才发现TensorFlow与CUDA 11.0和cuDNN 8.0不兼容，需要使用CUDA 10.2和cuDNN 7.6才能正常工作。

解决方案：

使用CUDA 10.2和cuDNN 7.6，或者参考官方文档查看兼容的CUDA和cuDNN版本。

二、OpenCV版本问题

OpenCV是一个广泛使用的计算机视觉库，也是Jetson Nano上必备的库之一。但是，OpenCV的不同版本之间也存在兼容性问题。

踩坑经历：

一开始使用OpenCV 4.5，但发现与TensorFlow无法正常交互。经过一番折腾，才发现OpenCV 4.5与TensorFlow 2.0不兼容，需要使用OpenCV 4.1才能正常工作。

解决方案：

使用OpenCV 4.1，或者参考官方文档查看兼容的OpenCV版本。

三、TensorFlow和PyTorch版本问题

TensorFlow和PyTorch是两个流行的深度学习框架，也是Jetson Nano上必备的框架之一。但是，不同的TensorFlow和PyTorch版本之间也存在兼容性问题。

踩坑经历：

一开始使用TensorFlow 2.0，但发现与OpenCV 4.5无法正常交互。经过一番折腾，才发现TensorFlow 2.0与OpenCV 4.5不兼容，需要使用TensorFlow 1.15才能正常工作。

解决方案：

使用TensorFlow 1.15，或者参考官方文档查看兼容的TensorFlow和PyTorch版本。

四、Docker镜像问题

Docker是一种轻量级虚拟化技术，可以方便地在Jetson Nano上部署和运行各种应用程序。但是，不同的Docker镜像之间也存在兼容性问题。

踩坑经历：

一开始使用了一个官方的Jetson Nano Docker镜像，但发现无法安装TensorFlow。经过一番折腾，才发现该镜像没有安装CUDA，需要使用一个安装了CUDA的镜像才能正常工作。

解决方案：

使用安装了CUDA的Docker镜像，或者自己构建一个Docker镜像。

五、Linux内核版本问题

Jetson Nano使用的是Linux操作系统，不同的Linux内核版本之间也存在兼容性问题。

踩坑经历：

一开始使用的是Jetson Nano默认的Linux内核，但发现无法安装某些驱动程序。经过一番折腾，才发现该内核版本太旧，需要升级到更新的内核版本才能正常工作。

解决方案：

升级到更新的Linux内核版本，或者参考官方文档查看兼容的Linux内核版本。

六、驱动程序问题

Jetson Nano需要安装各种驱动程序才能正常工作，但是不同的驱动程序版本之间也存在兼容性问题。

踩坑经历：

一开始安装了NVIDIA提供的最新驱动程序，但发现无法正常启动X Window系统。经过一番折腾，才发现该驱动程序与Jetson Nano的硬件不兼容，需要使用旧版本的驱动程序才能正常工作。

解决方案：

使用与Jetson Nano硬件兼容的驱动程序版本，或者参考官方文档查看兼容的驱动程序版本。

总结

使用Jetson Nano时会遇到各种软件问题，这些问题往往是由不同软件版本之间的兼容性问题引起的。因此，在使用Jetson Nano时，需要特别注意软件版本之间的兼容性，并及时查看官方文档了解最新兼容信息。