Jetson TX2 安装 cuda9.0 及 cudnn7 超详细（真实亲测）

Jetson TX2 安装 cuda9.0 及 cudnn7 超详细（真实亲测）

划重点：本文主要针对于Jetson TX1/2，如果想在 pc端 安装 cuda 及 cudnn，那这篇没有任何帮助！
最近再给Jetson TX2开发板上安装cuda和对应的cudnn，遇到了很多问题，也搜索了很多技术博客，发现在给 Jetson TX2 安装cudnn的时候都存在致命的错误，现在将出坑方法记录下来。

---

本文是针对下面的平台的：
平台描述：
Jetson TX2平台版本： Jetpack 3.3, TensorRT4.0.2, python2.7, python3.5
系统内核： tegra-ubuntu 4.4.38-tegra aarch64, ubuntu 16.04
Linux系统版本： Ubuntu16.04，cmake 3.15.6 （TX2刷机完原始的cmake是3.5.1版本，由于后面自己捣鼓的时候说最好安装3.9.0以上版本cmake，所以我就直接升级到新版本了）

---

重点一：Jetson TX2上安装的cudnn,一定要是arm版本的(即aarch64)

之前在搜所相关安装方法的时候，很多技术博客中给出的cudnn下载链接下载到的cudnn是基于x86/64的。但是，Jetson TX2是ARM内核的， 基于X86_64的cudnn在使用的时候会报错的（报错信息见下 error），所以在Jetson TX2上安装的cudnn,一定要是arm版本的(aarch64)。

重点二：arm版本的cuda及cudnn从何下载？

这是重点所在。
从 nvidia 官网 cudnn下载链接中得到其实全部都不是基于ARM的。如下图所见：

那么，如何得到ARM版本的cuda及cudnn呢？答案在这个链接里面：

https://devtalk.nvidia.com/default/topic/1029454/cudnn-6-for-arm64/?offset=4

也就是在运行 Jetpack 安装包之后，从下载得到的文件夹（ jetpack_downloads/ ）中得到
如果哪位大佬有更好的办法，请指出！

---

---

一、获得 cuda 及 cudnn

首先，找一台安装有 ubuntu16 或者 ubuntu14的电脑（我的ubuntu18不能用），从官网下载jetpack安装包或者从: https://pan.baidu.com/s/1c4dSxFXwLhmA2ASYHKkAqw 提取码: c9vk。
本文就以 Jetson3.3 版本 为例。
进入到此文件的下载目录，给文献权限：

sudo chmod +x JetPack-L4T-3.3-linux-x64_b39.run

然后开始安装：

./JetPack-L4T-3.3-linux-x64_b39.run
注意：在安装的时候不要使用 sudo 命令，直接运行即可

然后默认操作即可，具体操作可以参考这篇：Jetson TX2超详细刷机指南
直到出现下图，表示已经下载并且安装好了，后续的刷机过程也就不用在继续了，直接关闭就行：

然后找到刚才安装过程中选择的下载目录（如下图）

在 jetpack_downloads/ 文件夹下面，就得到乐了我们需要的 cuda9.0 和 cudnn7.1.5的安装包

下面的过程将在 Jetson TX2上进行

---

二、安装 cuda 及 cudnn

2.1 安装cuda

2.1.1 首先，在主目录下创建一个叫 cuda-l4t 的文件夹

cd ~
mkdir cuda-l4t

2.1.2 拷贝 cuda 安装脚本
在 jetpack 的安装目录下的 _install/目录下有一个叫 cuda-l4t.sh 的脚本，将其拷贝到 主目录下的 cuda-l4t 文件夹下

注意：建议在 jetpack 安装目录下直接搜索cuda-l4t.sh 会更加直接

2.1.3 拷贝 cuda、cudnn安装包
所有在JetPack中下载的安装包均存在JetPack/jetpack_download中,将
cuda9.0安装包 (cuda-repo-l4t-9-0-local_9.0.252-1_arm64.deb)
cudnn安装包 (有3个，libcudnn7_7.1.5.14-1+cuda9.0_arm64.deb，libcudnn7-dev_7.1.5.14-1+cuda9.0_arm64.deb，libcudnn7-doc_7.1.5.14-1+cuda9.0_arm64.deb)
拷贝到 主目录下的 cuda-l4t 文件夹下
2.1.4 开始安装cuda

cd ~/cuda-l4t
bash cuda-l4t.sh cuda-repo-l4t-9-0-local_9.0.252-1_arm64.deb 9.0 9-0

等待安装完成即可

2.2 安装cudnn

由于3个与cudnn相关的文件：
libcudnn7_7.1.5.14-1+cuda9.0_arm64.deb
libcudnn7-dev_7.1.5.14-1+cuda9.0_arm64.deb
libcudnn7-doc_7.1.5.14-1+cuda9.0_arm64.deb
由于都是 .deb 文件，因此直接使用 下面的命令安装即可：

sudo dpkg -i libcudnn7_7.1.5.14-1+cuda9.0_arm64.deb
sudo dpkg -i libcudnn7-dev_7.1.5.14-1+cuda9.0_arm64.deb
sudo dpkg -i libcudnn7-doc_7.1.5.14-1+cuda9.0_arm64.deb

安装完成后，其实是直接安装到了默认安装路径usr/include和usr/lib下的，因此需要将其拷贝到cuda安装路径下：

sudo cp /usr/include/cudnn.h /usr/local/cuda/include/

sudo cp /usr/lib/aarch64-linux-gnu/libcudnn* /usr/local/cuda/lib64/

然后执行下面命令，用重新生成cudnn库的软连接

cd /usr/local/cuda/lib64

chmod +r libcudnn*

sudo rm -rf libcudnn.so libcudnn.so.7
sudo ln -s libcudnn.so.7.1.1 libcudnn.so.7
sudo ln -s libcudnn.so.7 libcudnn.so

sudo ldconfig

到此，cuda 及 cudnn 安装就完成了

---

三、验证

3.1 查看 cuda 版本

在终端中输入：

$ nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Sun_Nov_19_03:16:56_CST_2017
Cuda compilation tools, release 9.0, V9.0.252

可知，当前平台安装的是 CUDA 9.0.252版本

3.2 查看 cudnn 版本

在终端输入：

$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
得到
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 1
#define CUDNN_PATCHLEVEL 5
--
#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#include "driver_types.h"

可知，当前的 cudnn 版本是 7.1.5

---

附：error

如果在Jetson TX2上安装了 x86_64 版本的cudnn，那么在使用cudnn的时候就会报如下错：
libcudnn.so.7: error adding symbols: File in wrong format
详细报错信息如下：

[ 58%] Linking CXX shared library ../lib/libcaffe2_gpu.so
/usr/local/cuda/lib64/
collect2: error: ld returned 1 exit status
caffe2/CMakeFiles/caffe2_gpu.dir/build.make:185448: recipe for target 'lib/libcaffe2_gpu.so' failed
make[2]: *** [lib/libcaffe2_gpu.so] Error 1
CMakeFiles/Makefile2:4400: recipe for target 'caffe2/CMakeFiles/caffe2_gpu.dir/all' failed
make[1]: *** [caffe2/CMakeFiles/caffe2_gpu.dir/all] Error 2
make[1]: *** Waiting for unfinished jobs....
[ 58%] Built target python_copy_files
Makefile:140: recipe for target 'all' failed
make: *** [all] Error 2
Failed to run 'bash ../tools/build_pytorch_libs.sh --use-cuda --use-nnpack --use-qnnpack caffe2'