Home / iot / jetson

Jetson Nano Developer Kit

本文档记录当前 Jetson Nano 设备的实际环境、常用命令、容器用法、扩展引脚配置、系统脚本和官方参考资料。

设备信息

实际目标：

远端账号：jean@192.168.32.64
主机名：jetson
设备：NVIDIA Jetson Nano Developer Kit
系统：Ubuntu 18.04.5 LTS
L4T：R32.6.1
JetPack 对应版本：JetPack 4.6 系列
内核：4.9.253-tegra
架构：aarch64
CPU：4 核 ARM Cortex-A57
内存：约 3.9 GB
Swap：约 1.9 GB
根分区：约 60 GB
当前无线地址：wlan0 = 192.168.32.64

注意：这是 Jetson Nano / JetPack 4.x / L4T 32.x 时代的环境，不是 Jetson Orin Nano。不要混用 Orin Nano 的 Ampere GPU、Cortex-A78AE、LPDDR5、NVMe 等参数。

官方参考资料

硬件与供电

Jetson Nano Developer Kit 常见接口包括：

40-pin 扩展接口
Gigabit Ethernet
USB 3.0
HDMI / DisplayPort
MIPI CSI-2 摄像头接口
microSD 卡启动盘

J48 供电跳线

J48 用于选择供电方式：

不插 J48：可通过 Micro-USB 供电。
插上 J48：可通过 J25 DC barrel jack 供电。

常见建议：

J25 DC 输入：5V / 4A
Micro-USB 供电容易因线材或电源不足导致降频、重启或外设异常。
做摄像头、推理、Docker、USB 外设等任务时，优先使用稳定的 5V / 4A DC 供电。

系统检查

基础信息

hostname
whoami
cat /etc/os-release
uname -a
cat /etc/nv_tegra_release

CPU

lscpu

Architecture:        aarch64
Byte Order:          Little Endian
CPU(s):              4
On-line CPU(s) list: 0-3
Thread(s) per core:  1
Core(s) per socket:  4
Socket(s):           1
Vendor ID:           ARM
Model:               1
Model name:          Cortex-A57
Stepping:            r1p1
CPU max MHz:         1479.0000
CPU min MHz:         102.0000
BogoMIPS:            38.40
L1d cache:           32K
L1i cache:           48K
L2 cache:            2048K
Flags:               fp asimd evtstrm aes pmull sha1 sha2 crc32

当前机器输出要点：

Architecture:        aarch64
CPU(s):              4
Model name:          Cortex-A57
CPU max MHz:         1479.0000
CPU min MHz:         102.0000

内存与磁盘

free -h

              total        used        free      shared  buff/cache   available
Mem:           3.9G        1.4G        528M         57M        1.9G        2.2G
Swap:          1.9G        1.3M        1.9G

df -hT

Filesystem     Type      Size  Used Avail Use% Mounted on
/dev/mmcblk0p1 ext4       60G   20G   38G  34% /
none           devtmpfs  1.7G     0  1.7G   0% /dev
tmpfs          tmpfs     2.0G   40K  2.0G   1% /dev/shm
tmpfs          tmpfs     2.0G   37M  1.9G   2% /run
tmpfs          tmpfs     5.0M  4.0K  5.0M   1% /run/lock
tmpfs          tmpfs     2.0G     0  2.0G   0% /sys/fs/cgroup
tmpfs          tmpfs     396M  136K  396M   1% /run/user/1000
/dev/loop0     vfat       16M   66K   16M   1% /media/jean/L4T-README

网络

ip -br addr

当前主要入口是：

wlan0  UP  192.168.32.64/24

摄像头设备

ls -ltrh /dev/video*

crw-rw----+ 1 root video 81, 0 6月   4  2025 /dev/video0

编译工具与版本

python3 --version
# Python 3.6.9
gcc --version

gcc (Ubuntu/Linaro 7.5.0-3ubuntu1~18.04) 7.5.0
Copyright (C) 2017 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.  There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

ld -v

GNU ld (GNU Binutils for Ubuntu) 2.30

cmake --version

cmake version 3.10.2
CMake suite maintained and supported by Kitware (kitware.com/cmake).

make --version

GNU Make 4.1
Built for aarch64-unknown-linux-gnu
Copyright (C) 1988-2014 Free Software Foundation, Inc.
License GPLv3+: GNU GPL version 3 or later <http://gnu.org/licenses/gpl.html>
This is free software: you are free to change and redistribute it.
There is NO WARRANTY, to the extent permitted by law.

补充：

AArch64 下浮点 ABI 通常不再像 32-bit ARM 那样使用 -mfloat-abi 区分 hard/soft float。
如果要排查编译参数，优先查看构建日志中的 CFLAGS、CXXFLAGS、-march、-mcpu、-mtune 等选项。

Jetson 性能与功耗

查看实时状态

tegrastats

tegrastats 可以观察：

RAM / SWAP 使用量
CPU 各核心频率与负载
EMC 内存控制器频率
GR3D GPU 频率与占用
温度
功耗轨读数

查看功耗模式

nvpmodel -q

当前机器曾显示：

NV Power Mode: MAXN

查看或锁定频率

jetson_clocks --show

如果需要在测试中尽量固定性能，可使用：

sudo jetson_clocks

恢复默认动态调频通常需要重启，或根据保存的配置恢复。

JetPack / L4T / CUDA 组件

JetPack 是 Jetson 的软件栈，L4T 是其中的系统 BSP 组件。当前设备是 L4T R32.6.1，对应 JetPack 4.6 系列。

JetPack 常见组件包括：

CUDA
cuDNN
TensorRT
NVIDIA Container Runtime
Multimedia API
OpenCV
VPI
VisionWorks
示例程序

当前系统安装了较完整的 L4T 32.6.1 包，例如：

nvidia-l4t-core
nvidia-l4t-bootloader
nvidia-l4t-kernel
nvidia-l4t-kernel-headers
nvidia-l4t-cuda
nvidia-l4t-gputools
nvidia-l4t-graphics-demos
nvidia-l4t-gstreamer
nvidia-l4t-jetson-io
nvidia-l4t-multimedia
nvidia-l4t-camera

常见 sample 路径

JetPack 组件	示例路径
TensorRT	`/usr/src/tensorrt/samples/`
cuDNN	`/usr/src/cudnn_samples/`
CUDA	`/usr/local/cuda-<version>/samples/`
Multimedia API	`/usr/src/tegra_multimedia_api/`
VisionWorks	`/usr/share/visionworks/sources/samples/`
OpenCV	`/usr/share/OpenCV/samples/`
VPI	`/opt/nvidia/vpi/`

CUDA 与 `nvcc`

当前机器已安装 CUDA 10.2，CUDA 目录如下：

ls -ld /usr/local/cuda*

要点：

/usr/local/cuda -> /etc/alternatives/cuda
/usr/local/cuda-10 -> /etc/alternatives/cuda-10
/usr/local/cuda-10.2

nvcc 可通过绝对路径访问：

/usr/local/cuda/bin/nvcc --version

当前输出：

nvcc: NVIDIA (R) Cuda compiler driver
Cuda compilation tools, release 10.2, V10.2.300
Build cuda_10.2_r440.TC440_70.29663091_0

CUDA 版本文件：

cat /usr/local/cuda/version.txt
cat /usr/local/cuda/version.json

当前版本信息：

CUDA SDK：10.2.460
CUDA Runtime：10.2.300
CUDA NVCC：10.2.300
CUDA GDB：10.2.300
CUDA Memcheck：10.2.300
Nsight Compute：2019.5.3.4

常用 CUDA 工具：

/usr/local/cuda/bin/nvcc --version
/usr/local/cuda/bin/cuda-gdb --version
/usr/local/cuda/bin/cuda-memcheck --version
/usr/local/cuda/bin/nvprof --version

注意：交互式 bash 中已能通过 PATH 找到 nvcc。自动化脚本建议使用 /usr/local/cuda/bin/nvcc，或显式设置 PATH=/usr/local/cuda/bin:$PATH。

GPU 信息

Jetson Nano 使用集成 GPU。CUDA deviceQuery 检测结果：

Detected 1 CUDA Capable device(s)
Device 0: "NVIDIA Tegra X1"
CUDA Driver Version / Runtime Version: 10.2 / 10.2
CUDA Capability Major/Minor version number: 5.3
Total amount of global memory: 3956 MBytes (4148273152 bytes)
( 1) Multiprocessors, (128) CUDA Cores/MP: 128 CUDA Cores
GPU Max Clock rate: 922 MHz (0.92 GHz)
Memory Clock rate: 13 Mhz
Memory Bus Width: 64-bit
L2 Cache Size: 262144 bytes
Integrated GPU sharing Host Memory: Yes
Result = PASS

设备树识别信息：

tr '\0' '\n' < /proc/device-tree/model
tr '\0' '\n' < /proc/device-tree/compatible

当前结果：

NVIDIA Jetson Nano Developer Kit
nvidia,p3449-0000-b00+p3448-0000-b00
nvidia,jetson-nano
nvidia,tegra210

GPU sysfs 状态：

cat /sys/devices/gpu.0/load
cat /sys/devices/gpu.0/devfreq/57000000.gpu/cur_freq
cat /sys/devices/gpu.0/devfreq/57000000.gpu/min_freq
cat /sys/devices/gpu.0/devfreq/57000000.gpu/max_freq

当前检测值：

load: 0
cur_freq: 76800000
min_freq: 76800000
max_freq: 921600000

编译并运行 CUDA `deviceQuery`

如果 samples 目录下没有预编译好的 deviceQuery，可复制完整 sample 结构到 /tmp 再编译：

rm -rf /tmp/cuda-samples-check
mkdir -p /tmp/cuda-samples-check
cp -a /usr/local/cuda/samples/common /tmp/cuda-samples-check/common
cp -a /usr/local/cuda/samples/1_Utilities /tmp/cuda-samples-check/1_Utilities
cd /tmp/cuda-samples-check/1_Utilities/deviceQuery
PATH=/usr/local/cuda/bin:$PATH make -j2
./deviceQuery

成功时最后会看到：

Result = PASS

Docker 使用

当前机器已安装 Docker：

docker --version

DLI Nano AI 容器

官方容器页面：https://catalog.ngc.nvidia.com/orgs/nvidia/teams/dli/containers/dli-nano-ai

当前机器已有脚本：

~/docker/start_dli.sh

脚本作用：

启动 NVIDIA DLI Nano AI 容器。
以后台容器方式启动 nvcr.io/nvidia/dli/dli-nano-ai:v2.0.2-r32.7.1。
使用 host 网络。
挂载 ~/nvdli-data:/nvdli-nano/data。
挂载 /tmp/argus_socket:/tmp/argus_socket 以支持摄像头相关访问。
暴露 /dev/video0。

适合场景：

运行 DLI 教程或实验。
做摄像头 / AI 推理相关演示。

等价命令示例：

sudo docker run --runtime nvidia -it --rm --network host \
  --volume ~/nvdli-data:/nvdli-nano/data \
  --volume /tmp/argus_socket:/tmp/argus_socket \
  --device /dev/video0 \
  nvcr.io/nvidia/dli/dli-nano-ai:v2.0.2-r32.7.1

启动后通常等待约 10 秒，访问 JupyterLab：

http://<jetson-ip>:8888

DLI 默认密码通常为：

dlinano

L4T 基础容器

当前机器已有脚本：

~/docker/start_l4t.sh

脚本作用：

启动基础 L4T 容器。
使用 nvcr.io/nvidia/l4t-base:r32.4.3 镜像。
以交互模式运行。
使用 NVIDIA runtime。
使用 host 网络。
透传 DISPLAY 和 X11 socket，支持图形显示。

适合场景：

在容器里验证 L4T 环境。
做图形或桌面相关测试。

等价命令示例：

sudo docker run -it --rm --net=host --runtime nvidia \
  -e DISPLAY=$DISPLAY \
  -v /tmp/.X11-unix/:/tmp/.X11-unix \
  nvcr.io/nvidia/l4t-base:r32.4.3

DLI DeepStream 容器示例

sudo docker run --runtime nvidia -it --rm --network host \
  -v /tmp/.X11-unix/:/tmp/.X11-unix \
  -v /tmp/argus_socket:/tmp/argus_socket \
  -v ~/nvdli-deepstream:/dli/task/my_apps \
  --device /dev/video0 \
  nvcr.io/nvidia/dli/dli-nano-deepstream:v2.0.0-DS6.0.1

远程桌面

当前机器已有脚本：

~/docker/start_vino.sh

作用：

启动 Vino 远程桌面服务。
执行 /usr/lib/vino/vino-server --sm-disable。
日志写入 ~/.local/share/vino/log。

脚本内容等价于：

/usr/lib/vino/vino-server --sm-disable 2>&1 | tee -a ~/.local/share/vino/log

适合在不接显示器时访问 Jetson 桌面。

Jetson-IO 与 40-pin 扩展接口

Jetson-IO 是 NVIDIA 提供的扩展接口配置工具，用于配置 40-pin header、CSI 等外设接口的 pinmux 和设备树 overlay。

启动交互式界面：

sudo /opt/nvidia/jetson-io/jetson-io.py

常用脚本：

/opt/nvidia/jetson-io/config-by-pin.py
/opt/nvidia/jetson-io/config-by-function.py
/opt/nvidia/jetson-io/config-by-hardware.py
/opt/nvidia/jetson-io/jetson-io.py

按引脚查看

sudo /opt/nvidia/jetson-io/config-by-pin.py --list
sudo /opt/nvidia/jetson-io/config-by-pin.py --pin 3

作用：

列出支持的 header。
查看某个 pin 的信号名称和功能。

按功能配置

sudo /opt/nvidia/jetson-io/config-by-function.py --help

作用：

列出可用功能。
启用指定 header 上的 I2C、SPI、UART、GPIO 等功能。
生成 .dtbo 或 .dtb 配置。
通常需要重启后生效。

按硬件模块配置

sudo /opt/nvidia/jetson-io/config-by-hardware.py --list

作用：

列出可用硬件模块配置。
根据扩展板或外设模块生成对应设备树配置。

注意：Jetson Nano GPIO 通常为 3.3V 逻辑电平，不要直接接入 5V 信号。

Jetson.GPIO

Jetson.GPIO 文档通常位于：

/opt/nvidia/jetson-gpio/doc/README.txt

可用于 Python 控制 GPIO。使用前建议确认：

python3 -c "import Jetson.GPIO as GPIO; print(GPIO.VERSION)"

如果权限不足，检查用户是否在 gpio 相关组中，或按 README 配置 udev 规则。

USB Device Mode

脚本	作用
`nv-l4t-usb-device-mode-config.sh`	定义 USB gadget 协议、网络、DHCP、MAC、设备描述等配置。
`nv-l4t-usb-device-mode-start.sh`	创建并启动 USB gadget，启用 RNDIS、ACM、ECM/NCM、Mass Storage 等功能。
`nv-l4t-usb-device-mode-runtime-start.sh`	拉起 `l4tbr0`，配置 IP，启动 DHCP，恢复路由。
`nv-l4t-usb-device-mode-runtime-stop.sh`	停止 DHCP，删除运行态文件，关闭 `l4tbr0`。
`nv-l4t-usb-device-mode-state-change.sh`	根据 USB `CONFIGURED` 状态自动启停 runtime 服务。
`nv-l4t-usb-device-mode-stop.sh`	彻底关闭 gadget，删除 configfs 项，关闭网桥并卸载 loop 设备。

Bootloader / QSPI

系统脚本清单

CodeCrafters 项目脚本

~/Documents/codecrafters-http-server-c/your_program.sh

作用：

用于在本机编译并运行 CodeCrafters 的 HTTP server 项目。
进入项目目录后使用 gcc -lcurl -lz 编译 app/*.c。
生成 /tmp/codecrafters-build-http-server-c。
运行该 HTTP server 程序。

适合场景：

本地调试该 C 项目。
快速验证编译是否通过。

Ubuntu unminimize

/usr/local/sbin/unminimize

作用：

把被精简过的 Ubuntu 系统恢复成更完整的服务器环境。
恢复被移除的文档和手册页相关内容。
重新启用 dpkg 的文档排除配置。
更新包列表并升级包。
重装 /usr/share/man/ 和 /usr/share/doc/ 相关内容。
安装 ubuntu-minimal 和必要的推荐包。

通常不需要运行，除非系统缺少基础文档、man page 或基础工具。

Swap 调整

如果编译或运行模型时内存不足，可以增加 swap。

示例：创建 4 GB swap 文件。

sudo systemctl disable nvzramconfig
sudo fallocate -l 4G /mnt/4GB.swap
sudo chmod 600 /mnt/4GB.swap
sudo mkswap /mnt/4GB.swap
sudo sh -c 'echo "/mnt/4GB.swap swap swap defaults 0 0" >> /etc/fstab'
sudo reboot

重启后检查：

free -h
swapon --show

常用软件安装

VLC

sudo snap install vlc

如果 snap 不可用，也可以优先考虑 apt：

sudo apt update
sudo apt install vlc

常见排查

没有 `nvidia-smi`

Jetson 平台通常不使用桌面 GPU 上的 nvidia-smi。请使用：

tegrastats
nvpmodel -q
jetson_clocks --show
cat /sys/devices/gpu.0/load
cat /sys/devices/gpu.0/devfreq/57000000.gpu/cur_freq

CUDA 能力建议用 deviceQuery 验证。

容器无法访问摄像头

检查：

ls -ltrh /dev/video*
ls -l /tmp/argus_socket

Docker 启动时需要按摄像头类型传入：

USB 摄像头：--device /dev/video0
CSI 摄像头：-v /tmp/argus_socket:/tmp/argus_socket，并根据应用需要传入 /dev/video0

低电压或不稳定

如果出现随机重启、USB 外设掉线、性能异常下降：

优先检查电源是否足够。
优先使用 J25 DC 5V / 4A 供电。
避免使用质量差或过长的 Micro-USB 线。

快速命令汇总

# 登录
ssh jetson

# 系统
cat /etc/os-release
cat /etc/nv_tegra_release
uname -a

# 资源
free -h
df -hT
ip -br addr

# 性能 / GPU
tegrastats
nvpmodel -q
jetson_clocks --show
cat /sys/devices/gpu.0/load
cat /sys/devices/gpu.0/devfreq/57000000.gpu/cur_freq

# CUDA
/usr/local/cuda/bin/nvcc --version
cat /usr/local/cuda/version.txt

# Docker
docker --version
docker ps -a

# Jetson-IO
sudo /opt/nvidia/jetson-io/jetson-io.py

# USB device mode 脚本
ls /opt/nvidia/l4t-usb-device-mode/

Page Source

Jetson Nano Developer Kit

设备信息

官方参考资料

硬件与供电

J48 供电跳线

系统检查

基础信息

CPU

内存与磁盘

网络

摄像头设备

编译工具与版本

Jetson 性能与功耗

查看实时状态

查看功耗模式

查看或锁定频率

JetPack / L4T / CUDA 组件

常见 sample 路径

CUDA 与 nvcc

GPU 信息

编译并运行 CUDA deviceQuery

Docker 使用

DLI Nano AI 容器

L4T 基础容器

DLI DeepStream 容器示例

远程桌面

Jetson-IO 与 40-pin 扩展接口

按引脚查看

按功能配置

按硬件模块配置

Jetson.GPIO

USB Device Mode

Bootloader / QSPI

系统脚本清单

CodeCrafters 项目脚本

Ubuntu unminimize

Swap 调整

常用软件安装

VLC

常见排查

没有 nvidia-smi

容器无法访问摄像头

低电压或不稳定

快速命令汇总

CUDA 与 `nvcc`

编译并运行 CUDA `deviceQuery`

没有 `nvidia-smi`