1. 系統配置
1.1. 供電模式的切換
1.1.1. MaxN模式
jetson nano 開發板在預設的10W(MAXN)模式下需要用5v4A的DC供電。
用5v2A的DC或者micro-usb供電建議使用5W模式。
供電不足會導致掉電關機。
Jetson Nano采用高效電源管理集成電路（PMIC），穩壓器和電源樹設計可優化電源效率。 它支持兩種電源模式，例如5W和MaxN（10W）。 每種模式允許多種配置，具有各種CPU頻率和在線核心數。
您可以通過以預限定值限制內存，CPU和GPU頻率以及內核數量，將模塊限制為預定義配置。
下表顯示了NVIDIA預定義的電源模式以及模塊資源使用的相關上限。
默認的模式是：MaxN（10W）(對應ID 0).
切換模式：
sudo /usr/sbin/nvpmodel -m <x>
其中對應的是 mode ID, 比如 0 或 1。
設置電源模式后，模塊將保持該模式，直到您進行更改。該模式在電源循環和SC7之間持續存在。
1.1.2. 定義自定義模式
要定義自己的自定義模式，請將模式定義添加到文件 etc/nvpmodel/nvpmodel_t210_jetson-nano.conf 中，以下是模式1的示例：
# MAXN is the NONE power model to release all constraints
< POWER_MODEL ID=0 NAME=MAXN >
CPU_ONLINE CORE_0 1
CPU_ONLINE CORE_1 1
CPU_ONLINE CORE_2 1
CPU_ONLINE CORE_3 1
CPU_A57 MIN_FREQ 0
CPU_A57 MAX_FREQ -1
GPU_POWER_CONTROL_ENABLE GPU_PWR_CNTL_EN on
GPU MIN_FREQ 0
GPU MAX_FREQ -1
GPU_POWER_CONTROL_DISABLE GPU_PWR_CNTL_DIS auto
EMC MAX_FREQ 0
< POWER_MODEL ID=1 NAME=5W >
CPU_ONLINE CORE_0 1
CPU_ONLINE CORE_1 1
CPU_ONLINE CORE_2 0
CPU_ONLINE CORE_3 0
CPU_A57 MIN_FREQ 0
CPU_A57 MAX_FREQ 918000
GPU_POWER_CONTROL_ENABLE GPU_PWR_CNTL_EN on
GPU MIN_FREQ 0
GPU MAX_FREQ 640000000
GPU_POWER_CONTROL_DISABLE GPU_PWR_CNTL_DIS auto
EMC MAX_FREQ 1600000000
# mandatory section to configure the default mode
< PM_CONFIG DEFAULT=0 >
CPU的頻率單位是千赫茲（KHz）。 GPU和EMMC的單位是赫茲（Hz）。 您必須在ID字段中為每個自定義模式分配唯一ID。
測試您的自定義模式以確定：
- 要使用的活動核心數
- 為GPU，EMC和每個CPU群集設置的頻率
您設置的頻率受模式0中定義的MaxN限制的約束。
1.2. jetson_clocks腳本
默認情況下，DVFS已啟用，CPU/GPU/EMC時鍾將根據負載而變化。
/usr/bin/jetson_clocks：是禁用DVFS並將CPU/GPU/EMC時鍾設置為最大值的腳本。
2. 安裝 jtop
先安裝依賴：
sudo apt-get install git cmake
sudo apt-get install python3-dev
sudo apt-get install libhdf5-serial-dev hdf5-tools
sudo apt-get install libatlas-base-dev gfortran
然后通過pip安裝：
pip3 install --upgrade pip
pip3 install jetson-stats
運行 jtop 啟動即可。
3. 配置CUDA
jetson nano 2GB 默認已經安裝了 CUDA10.2 ，但是直接運行 nvcc -V 是不會成功的，需要你把CUDA的路徑寫入環境變量中。
export CUBA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda/bin:$PATH
顯卡（GPU），顯卡驅動，和cuda之間是怎樣的關系？
硬件，底層接口，應用程序接口！
還有一個叫做cuDNN，是針對深度卷積神經網絡的加速庫
查看CUDA版本：
-
方法1: 查看文件
cat /usr/local/cuda/version.txt -
方法2:
nvcc --version
3.1. cuDNN
查看cuDNN版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
但無法查詢到jetson的cuDNN。實際上官方鏡像已經包含了cuDNN。集成在apt軟件包中，所以目錄並不在 /usr/local 下面，而是 /usr/include/aarch64-linux-gnu/cudnn_version_v8.h 。
4. 安裝pytorch
pytorch:
wget https://nvidia.box.com/shared/static/wa34qwrwtk9njtyarwt5nvo6imenfy26.whl -O torch-1.7.0-cp36-cp36m-linux_aarch64.whl
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
pip3 install Cython
pip3 install numpy torch-1.7.0-cp36-cp36m-linux_aarch64.whl
torchvision:
$ sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
$ git clone --branch <version> https://github.com/pytorch/vision torchvision # see below for version of torchvision to download
$ cd torchvision
$ export BUILD_VERSION=0.x.0 # where 0.x.0 is the torchvision version
$ sudo python3 setup.py install # use python if installing for Python 2.7
$ cd ../ # attempting to load torchvision from build dir will result in import error
$ pip install 'pillow<7' # always needed for Python 2.7, not needed torchvision v0.5.0+ with Python 3.6
例如： git clone --branch v0.8.1 git@gitee.com:brt2/torchvision.git
pytorch 與 torchvision 之間的對應關系:
PyTorch v1.0 - torchvision v0.2.2
PyTorch v1.1 - torchvision v0.3.0
PyTorch v1.2 - torchvision v0.4.0
PyTorch v1.3 - torchvision v0.4.2
PyTorch v1.4 - torchvision v0.5.0
PyTorch v1.5 - torchvision v0.6.0
PyTorch v1.6 - torchvision v0.7.0
PyTorch v1.7 - torchvision v0.8.1
5. 安裝海康相機
下載>進入海康威視工業攝像頭官網，找到Linux系統ARM架構的安裝包下載。
但這個是針對ubuntu16.04的版本。運行時報錯：
執行 ldd ./MVS 發現少
libicui18n.so.55
libicuuc.so.55
兩個動態庫。通過 sudo find / -iname "libicu*" 查找發現系統的 libicui18n.so libicuuc.so 是60版本，這和需要的55版本都“隔代”了。
請在這里下載 包文件
wget https://mirrors.tuna.tsinghua.edu.cn/ubuntu- ports/pool/main/i/icu/libicu55_55.1-7_arm64.deb
dpkg -i libicu55_55.1-7_arm64.deb
然后運行即可正常啟動MVS。
6. 安裝OpenCV（With CUDA）
7. 部署PaddlePaddle模型（如PaddleOCR、PP-YOLO）
csdn: 在Jetson nano上編譯paddle（帶TensorRT）並跑通Paddle-Inference-Demo
如何在Jetson nano上同時編譯TensorRT與Paddle Lite框架
PaddlePaddle對硬件的支持還是很緩慢的，所以目前沒有發現對Jetson的支持。但從v2.0開始，Paddle2ONNX最新升級：飛槳模型全面支持ONNX協議啦！。所以，例如PaddleOCR等項目可以通過轉換成ONNX的模型實現運行。
ONNX協議是由微軟開發維護，支持范圍很廣，並且，ONNXRunTime支持GPU的運算。
更值得慶幸的是，從2020年底，ONNXRunTime_v1.6.0開始支持Jetson。
# Download pip wheel from location mentioned above
$ wget https://nvidia.box.com/shared/static/49fzcqa1g4oblwxr3ikmuvhuaprqyxb7.whl -O onnxruntime_gpu-1.6.0-cp36-cp36m-linux_aarch64.whl
# Install pip wheel
$ pip3 install onnxruntime_gpu-1.6.0-cp36-cp36m-linux_aarch64.whl