姓名：张猛
【嵌牛导读】：把最初学习GPU过程中对TX1的配置总结一下
引用：http://blog.csdn.net/jalong_ma/article/details/52743923
【嵌牛鼻子】：NVIDIA Jetpack
【嵌牛提问】：JETson tx1 配置以及刷系统
【嵌牛正文】
JetPack 2.3 是NVIDIA最新发布的用于在Jetson系列嵌入式平台上部署开发环境的开发包，它包含 64bit 的 Ubuntu16.04 操作系统，CUDA 8.0，cuDNN 5.1，以及用来加速CNN推断速度的TensorRT. 对于JetPack 2.3更详细的介绍参见NVIDIA JetPack 2.3 介绍
配置 JetPack 2.3 需要：
一台装有 Ubuntu 64位操作系统的主机：由于 JetPack 是先在主机上下载并安装相关的包，然后刷到 TX 1上，所以需要一台主机。本人在14.04上测试没有问题，其它系统没有测试。
一根网线：连接 TX 1 与路由器
显示器，键鼠 等
在主机上通过NVIDIA 官方链接下载 JetPack 2.3，并新建一个文件夹存放下载下来的文件，文件名大概为JetPack-L4T-2.3-linux-x64.run
在/home/usrname/目录下新建文件夹，可以命名为 JetPack :
cd~mkdir JetPackcp ~/Downloads/JetPack-L4T-2.3-linux-x64.run ~/JetPack
1 cd~
2 mkdir JetPack
3 cp ~/Downloads/JetPack-L4T-2.3-linux-x64.run ~/JetPack
2.1 为JetPack-L4T-2.3-linux-x64.run增加执行权限
1 cd~/JetPack
2 chmod +x JetPack-L4T-2.3-linux-x64.run
2.2 执行JetPack-L4T-2.3-linux-x64.run，点击Next
./JetPack-L4T-2.3-linux-x64.run
2.3 指明安装路径后选择部署的开发平台
此处我们选择 Jetson TX1，同样也支持 TK 1的部署
2.4 弹出 JetPack L4T Component Manager 对话框
由于我已经安装好了所有的包，所以这边的Action一栏是no action，如果没有安装过的话，会显示install xxx。
这里点击Next后，接受所有的申明，就开始了漫长的下载与安装…（我等了10多个小时）
这里大家可以选择不安装OpenCV for Tegra，因为这个版本是2.4.13，对于USB摄像头的读取支持不是很好，另外对于CUDA静态库的读取也有些问题，所以不推荐安装，稍后会提示大家安装 OpenCV 3.1
2.5 网络配置和端口选择
安装完成后进入网络配置选项，选择通过路由器连接互联网，同时将TX1连接到与主机同一个路由器上
选择eth0端口，点击Next
2.6 设置 TX 1 为 Force USB Recovery Mode (强制USB恢复模式)
弹出如图所示终端窗口：
按照提示，将TX1设置为强制USB恢复模式
关闭设备，移除电源适配器
用自带的Micro USB 转 USB 数据线连接主机与TX1
连接电源适配器
按下POWER按钮
按住FORCE RECOVERY按钮不放开，同时按一下RESET按钮，等待两秒钟，松开FORCE RECOVERY按钮
完成上述步骤后，可以在主机上通过lsusb命令查看是否含有Nvidia Corp设备，确认存在后敲击Enter，开始将操作系统以及开发包拷贝到TX1，中途连接TX1的显示器会显示Ubuntu 16.04 桌面系统
待安装部署完成后，在主机上退出 JetPack L4T 即可，这样就完成了 JetPack 2.3 的配置
2.7 运行示例
我们可以在TX1上运行几个示例，验证下 CUDA 8.0 是否安装成功
./NVIDIA_CUDA-8.0_Samples/bin/aarch64/linux/release/smokeParticles
1
OpenCV 3.1 是目前较为稳定的版本，因此推荐大家在TX1上安装OpenCV 3.1
下载OpenCV for Linux/Mac (Version 3.1)
sudoapt-add-repository universesudoapt-get updatesudoapt-get install -y build-essential make cmake cmake-curses-gui g++sudoapt-get install -y libavformat-dev libavutil-dev libswscale-devsudoapt-get install -y libv4l-dev libeigen3-dev libglew1.6-dev libgtk2.0-dev
cd~unzip opencv-3.1.0.zipcdopencv-3.1.0mkdir buildcdbuildcmake -DWITH_CUDA=ON -DCUDA_ARCH_BIN="5.3"-DCUDA_ARCH_PTX=""-DBUILD_TESTS=OFF -DBUILD_PERF_TESTS=OFF -DCUDA_FAST_MATH=ON ..sudomake -j4 install
编译好的OpenCV库会默认安装到/usr/local/文件夹下
注意：
由于CUDA 8.0不支持OpenCV的 GraphCut 算法，可能出现以下错误：
/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:120:54:error: ‘NppiGraphcutState’ hasnotbeen declared typedef NppStatus (*init_func_t)(NppiSize oSize, NppiGraphcutState** ppStat ^/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:135:18:error: ‘NppiGraphcutState’ doesnotname atypeoperator NppiGraphcutState*() ^/home/usrname/opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp:141:9:error: ‘NppiGraphcutState’ doesnotname atypeNppiGraphcutState* pState;.......
此时需要修改OpenCV源码，使其不编译graphcuts.cpp即可
进入opencv-3.1.0/modules/cudalegacy/src/目录，修改graphcuts.cpp文件，将：
#include "precomp.hpp"#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER)
#include "precomp.hpp"#if !defined (HAVE_CUDA) || defined (CUDA_DISABLER) || (CUDART_VERSION >= 8000)
重新编译即可
此处有很详细的指导，复制过来
sudoadd-apt-repository universesudoapt-get update -ysudoapt-get install cmake -y# General Dependenciessudoapt-get install libprotobuf-dev libleveldb-dev libsnappy-dev \libhdf5-serial-dev protobuf-compiler -ysudoapt-get install --no-install-recommends libboost-all-dev -y# BLASsudoapt-get install libatlas-base-dev -y# Remaining Dependenciessudoapt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev -ysudoapt-get install python-dev python-numpy -y
git clone https://github.com/BVLC/caffe.gitcdcaffe cp Makefile.config.example Makefile.config
1 git clone https://github.com/BVLC/caffe.git
2 cdcaffe
3 cp Makefile.config.example Makefile.config
修改Makefile.config:
# cuDNN acceleration switch (uncomment to build with cuDNN).USE_CUDNN :=1# Uncomment if you're using OpenCV 3OPENCV_VERSION :=3# Uncomment to support layers written in Python (will link against Python libs)WITH_PYTHON_LAYER :=1
1 # cuDNN acceleration switch (uncomment to build with cuDNN).
2 USE_CUDNN :=1
3
4 # Uncomment if you're using OpenCV 3
5 OPENCV_VERSION :=3
6
7 # Uncomment to support layers written in Python (will link against Python libs)
8 WITH_PYTHON_LAYER :=1
由于hdf5库目录更改，所以需要单独添加：
INCLUDE_DIRS:=$(PYTHON_INCLUDE) /usr/local/include/usr/include/hdf5/serial/LIBRARY_DIRS:=$(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/aarch64-linux-gnu/hdf5/serial/
1 make-j4all
2 make-j4runtest
之后编辑即可
make-j4allmake-j4runtest
为了更好地使用pycaffe，建议安装：
sudoapt-get install python-numpy python-setuptools python-pip cython python-skimage python-protobufmake pycaffe
1 sudoapt-get install python-numpy python-setuptools python-pip cython python-skimage python-protobuf
2
3 make pycaffe
到这里Caffe开发环境就配置好了！
可以测试一下，输出AlexNet的时间测试结果：
1. cd~/caffe
2. ./build/tools/caffe time --gpu0--model ./models/bvlc_alexnet/deploy.prototxt
