在这篇文章中，我们将讨论Nvidia CUDA框架，该框架的用例以及如何将其安装在Jetson Nano单板计算机上。
阅读时间:
5
分钟
Nvidia Jetson Nano是由Nvidia公司开发的模块系统(SoM)之一，具有GPU加速处理功能。SoM由128核NVIDIA组成基于Maxwell™架构的GPU，由四核ARM A57架构的CPU控制，以及4GB的DDR4 RAM。
Jetson nano可以用作通用的linux计算机，由于其GPU加速处理器，它在机器学习推理和图像处理方面具有先进的用途。在并行处理方面，Jetson Nano轻松优于树莓派系列和几乎任何其他单板计算机;它通常只由一个或多个核心的CPU组成，没有专用的GPU。
然而，由于Jetson Nano采用了特殊的硬件设计，为了充分利用GPU的硬件加速并行计算，需要安装一个特殊的框架，从而可以使用它来编写机器学习程序。英伟达将这种能够在GPU上实现并行计算的特殊框架称为CUDA (计算统一设备架构)。CUDA主要是用C/ c++编写的，另外还支持Python和Fortran等语言。该框架支持非常流行的机器学习框架，如Tensorflow, Caffe2, CNTK, Databricks, H2O。ai, Keras, MXNet, PyTorch, Theano和Torch。
正确安装后，CPU可以通过CUDA框架调用GPU上的CUDA功能，从而实现并行计算的可能性。下图显示了执行gpu加速时的典型程序流程:
要在Jetson Nano(或任何其他Jetson板)上安装CUDA工具包，有两种主要方法:
虽然从CUDA存储库安装允许我们安装最新和最好的版本，但明智的选择是坚持使用JetPack SDK或Debian存储库，其中分发了最稳定的框架版本。
安装JetPack SDK时Nvidia SDK管理器CUDA及其支持库如cuDNN、CUDA -toolkit将自动安装，安装后即可使用;所以不需要安装任何额外的东西来开始使用CUDA库。
在您的Jetson Nano上安装CUDA之前，请确保您已经完成了中的预安装必备条件本指南确保安装顺利、无麻烦。
预安装完成后，执行以下命令安装CUDA工具箱:
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/sbsa/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804。销/etc/apt/preferences.d / cuda -库销- 600
wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda-repo-ubuntu1804-11-0-local_11.0.2-450.51.05-1_arm64.deb
sudo DPKG -i cuda-repo-ubuntu1804-11-0-local_11.0.2-450.51.05-1_arm64.deb
sudo Apt-key add /var/cuda-repo-ubuntu1804-11-0-local/7fa2af80.pub
sudo apt-get更新
sudo 安装cuda
在一些装置中，安装cuda命令将返回一个错误，指出无法安装某些依赖项。如果是，执行以下命令强制安装并继续安装。
sudo apt-get -o dpkg::Options::="——force-overwrite" install——fix-broken
执行DPKG - 1: grep cuda将显示一个类似于下面所示的输出，它验证安装是否完成。
在/usr/local/cuda - 11.0 - / -垃圾箱目录下，您将能够找到nvcc (CUDA编译器工具包)，它可用于编译利用CUDA框架的程序。
在安装CUDA库和框架之后，作为安装后的设置，需要更新操作系统的PATH变量，以使安装的库在整个系统中可用(即在CUDA应用程序中编译)。
使用本指南由Nvidia提供，请务必更新安装目录并完成安装。在PATH更新之后，从任何目录执行nvcc——version应该返回以下响应。
使用JFrog连接micro-update工具，您可以轻松地执行更新命令来更新多个Jetson边缘设备中的CUDA安装(即从10.0到11.2)。JFrog Connect不仅提供了这些，还提供了大量的远程物联网边缘设备管理工具，以帮助您管理和控制部署在现场的设备。
点击2022世界杯南美区预选赛
以了解更多关于JFrog Connect和报名今天免费试用!
.png)
