【Jetson系列Orin配置YOLO环境方法】
1.根据官方提示步骤：
官方教程：Getting Started with Jetson AGX Orin Developer Kit | NVIDIA Developer
开机->Ctrl+Alt+T打开控制台：
升级当前设备：
sudo apt dist-upgrade完成后重启设备：
sudo reboot安装Jetpack：
sudo apt install nvidia-jetpack安装完成后：
nvcc -V如果出现下图内容则配置成功：
如果没有的话请自行csdn查找cuda配置环境变量的方法，直至出现上述内容
2.下载安装Archiconda（ARM版Anaconda）
github地址：Releases · Archiconda/build-tools · GitHub
进入下载目录后：
sh Archiconda3-0.2.3-Linux-aarch64.sh一路按回车直至出现下述内容：
安装目录会有些问题，如果安装在当前文件夹下的话：
此处输入--help就会安装到当前文件夹下
最后再输入一个yes将conda配置进环境变量中就行了
3.conda换源：
控制台进入conda安装目录下：
sudo gedit ~/.condarc
将新的源复制替换保存即可：
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
- defaults
show_channel_urls: true
4.进入conda
控制台输入：
conda
出现下图则为安装成功：
如果没有出现的话请自行csdn配置conda环境变量配置方法
创建新的虚拟环境：
conda create -n 你自己创建的环境名称 python==3.8.0
等下载完事就可以了
conda env list
看一眼能不能看到自己刚创建的虚拟环境就可以
激活虚拟环境：
conda activate 你自己写的虚拟环境名称
能看到控制台前面多了一个括号就证明成功进入虚拟环境了
5.环境配置：
外网教学文档：Jetson Zoo - eLinux.org
可自行参阅也可以看我的弄
YOLO无非就是配置tensorflow、opencv、pytorch这三个主要的库，其他库自行pip自动安装就可以了。
查看Jetpack版本：
apt-cache show nvidia-jetpack
可以看到安装的Jetpack版本为5.0.2
配置设备环境：
sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran安装其它库
pip install -U numpy==1.19.4 future==0.18.2 mock==3.0.5 h5py==2.10.0 keras_preprocessing==1.1.1 keras_applications==1.0.8 gast==0.2.2 futures protobuf pybind11下载tensorflow2.0（然后pip安装就行了）：https://developer.download.nvidia.com/compute/redist/jp/v50/tensorflow/tensorflow-2.8.0+nv22.4-cp38-cp38-linux_aarch64.whl
pip install 把你下载的tensorflow文件拖进来然后按回车就完事了下载pytorch1.12.0（安装方法同上）：
https://developer.download.nvidia.com/compute/redist/jp/v50/pytorch/torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl
在安装pytorch完成后还要安装torchvision版本号要对应起来：
torch版本：1.12.0对应torchision版本：0.13.0
torchision下载：
git clone --branch v0.13.0 https://github.com/pytorch/vision torchvision配置安装pytorch的系统环境：
sudo apt-get install libopenblas-base libopenmpi-dev还的安装一下Cython库：
pip install Cython控制台进入下载文件的目录中运行安装（等着就行，时间不短）：
export BUILD_VERSION=0.13.0
python setup.py install --user安装完事之后就只剩下安装opencv了：
参考：安装OpenCV4.6.0简洁过程--Jetson AGX Orin（方便以后安装）_beautifulback的博客-CSDN博客
最后请自行安装pycharm，运行如下代码：
import torch
class check_all:
"""
检测当前设备torch、tensorflow安装状态
"""
def __init__(self):
"""
常量
"""
torchvision = __import__("torchvision")
tf = __import__("tensorflow")
self.tensorflow_version = tf.__version__
self.tensorflow_is_gpu = tf.test.is_built_with_cuda
self.torch_version = torch.__version__
self.cuda_version = torch.version.cuda
self.torchvision_version = torchvision.__version__
self.use_device = torch.cuda.current_device()
p = torch.cuda.get_device_properties(self.use_device)
self.gpu_size = int(p.total_memory/ 1024 ** 3)
self.device_number = torch.cuda.device_count()
self.gpu_name = torch.cuda.get_device_name(self.use_device)
self.gpu_capability = torch.cuda.get_device_capability(self.use_device)
def check(self):
"""
检测输出
"""
print("tensorflow版本{}".format(self.tensorflow_version))
print("tensorflow是否为CUDA显卡驱动：{}".format("是"if self.tensorflow_is_gpu else "不是"))
print("CUDA版本:{}".format(self.cuda_version))
print("pytorch版本:{}\ntorchvision版本:{}".format(self.torch_version,self.torchvision_version))
print("pytorch是否为CUDA显卡驱动：{}".format("是" if torch.cuda.is_available() else "不是"))
print("当前设备显卡数量为:{},使用设备编号为:{}".format(self.device_number,self.use_device))
print("当前使用的设备显卡名称为：{}".format(self.gpu_name))
print("当前显卡算力为：{}\n当前显卡的内存大小为:{}GB".format(self.gpu_capability,self.gpu_size))
if __name__ == '__main__':
check = check_all()
check.check()输出：
安装就完事了，如有问题请留言。