保姆级教程：用SDK Manager给Jetson AGX Xavier刷机，从连接主机到换国内源一步到位

从零部署Jetson AGX Xavier：全流程开发环境配置指南

当您拆开崭新的Jetson AGX Xavier包装时，这台AI边缘计算设备强大的算力与丰富的接口令人兴奋，但如何快速搭建完整的开发环境？本文将带您完成从Ubuntu主机准备到设备烧录、系统配置的全过程，特别针对国内网络环境优化每个环节。

1. 开发主机环境准备

在开始刷机前，需要确保主机满足基本要求。推荐使用Ubuntu 18.04/20.04 LTS系统，至少预留50GB磁盘空间。不同于普通嵌入式设备，Xavier的刷机过程对主机有以下特殊要求：

• USB端口：必须使用USB 3.0及以上接口（蓝色接口）
• 存储空间：/var/cache目录需要15GB可用空间
• 网络连接：稳定的国际互联网访问能力（后续会切换国内源）

首先安装基础工具链：

sudo apt update sudo apt install -y qemu-user-static nano curl

提示：如果主机是虚拟机，需确保USB控制器设置为USB 3.0模式，并在BIOS中开启VT-d虚拟化支持。

验证主机环境是否合格：

lsb_release -a # 查看Ubuntu版本 df -h /var/cache # 检查缓存空间 lsusb -t | grep 3.0 # 确认USB3.0控制器

2. SDK Manager安装与配置

NVIDIA官方推荐的SDK Manager是刷机的核心工具，但直接从官网下载可能速度缓慢。我们可以分步完成安装：

1. 下载离线安装包（国内用户推荐）：

   wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/sdkmanager_1.9.2-10884_amd64.deb

2. 安装依赖项：

   sudo apt install -y ./sdkmanager_*.deb libgconf-2-4

3. 解决常见安装问题：

   • 若遇到libwebkitgtk依赖错误：

     sudo apt install -y libwebkit2gtk-4.0-37

   • 图形界面启动失败时：

     sdkmanager --cli --action list

安装完成后，建议创建桌面快捷方式：

cat > ~/.local/share/applications/sdkmanager.desktop <<EOF [Desktop Entry] Version=1.0 Type=Application Name=SDK Manager Exec=/opt/nvidia/sdkmanager/sdkmanager EOF

3. 设备进入恢复模式

Xavier的恢复模式需要精确的按键时序操作：

1. 使用原装电源适配器供电（至少65W）
2. 用USB-A转USB-C线连接主机与设备
3. 按以下顺序操作：
   • 长按恢复键（靠近电源接口的小孔）
   • 不松开恢复键，短按电源键1秒
   • 继续按住恢复键12秒后松开

成功进入恢复模式后，主机应检测到设备：

lsusb | grep NVIDIA # 正常输出：0955:7020 NVidia Corp.

若设备未被识别，尝试以下排查步骤：

4. 系统镜像烧录实战

启动SDK Manager后，按步骤操作：

1. 登录NVIDIA开发者账号（需提前注册）
2. 选择产品型号：Jetson AGX Xavier
3. 配置选项：
   • Target OS：Ubuntu 20.04
   • JetPack版本：4.6.1（建议选择LTS版本）
   • 勾选"Automatically install dependencies"

关键配置参数参考：

烧录过程中常见问题处理：

• 进度卡在10%：检查USB连接，重启设备重试
• 下载失败：手动下载镜像文件后指定本地路径
• 签名验证错误：关闭主机防火墙临时规则

重要：整个烧录过程约需1-2小时，期间保持设备供电稳定，避免操作主机。

5. 首次开机与基础配置

成功烧录后，设备将自动重启进入初始化流程：

1. 连接显示器：通过HDMI或DP接口
2. 外设准备：接入USB键盘鼠标
3. 系统设置：
   • 语言选择：English（后续可安装中文支持）
   • 磁盘分区：建议保留默认配置
   • 用户创建：避免使用特殊字符

完成初始化后，立即进行关键更新：

sudo apt update sudo apt install -y nvidia-l4t-core

验证基础功能是否正常：

nvidia-smi # 查看GPU状态 jtop # 安装后查看系统监控

6. 国内软件源优化配置

默认的NVIDIA源在国内访问速度较慢，需要替换为中科大源：

1. 备份原始源列表：

   sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo cp /etc/apt/sources.list.d/nvidia-l4t-apt-source.list /etc/apt/nvidia-l4t-apt-source.list.bak

2. 修改主源：

   sudo sed -i 's/ports.ubuntu.com/mirrors.ustc.edu.cn/' /etc/apt/sources.list

3. 更新L4T源：

   sudo sed -i 's/repo.download.nvidia.com\/jetson/mirrors.ustc.edu.cn\/jetson/' /etc/apt/sources.list.d/nvidia-l4t-apt-source.list

4. 更新软件索引：

   sudo apt update && sudo apt upgrade -y

配置完成后，测试下载速度：

time sudo apt install -y libopencv-dev

7. 开发环境深度配置

为充分发挥Xavier的性能，建议进行以下优化：

CUDA环境配置：

echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc

Docker支持：

curl -fsSL https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu/gpg | sudo apt-key add - sudo add-apt-repository "deb [arch=arm64] https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu $(lsb_release -cs) stable" sudo apt install -y docker-ce docker-ce-cli containerd.io

散热管理（适用于高负载场景）：

sudo nvpmodel -m 0 # 最大性能模式 sudo jetson_clocks # 锁定最高频率

实际项目中，建议根据应用场景选择适当的电源模式：

8. 外设与扩展配置

Xavier的强大扩展能力值得重点关注：

CSI摄像头接入：

sudo apt install -y v4l-utils v4l2-ctl --list-devices # 查看已连接设备

CAN总线配置：

sudo ip link set can0 type can bitrate 500000 sudo ip link set up can0

PCIe设备兼容性：

lspci -nn # 查看已识别设备 ls -l /sys/class/pci_bus/ # 检查总线拓扑

在工业现场应用中，可能需要调整内核参数：

echo 'vm.swappiness=10' | sudo tee -a /etc/sysctl.conf echo 'fs.inotify.max_user_watches=524288' | sudo tee -a /etc/sysctl.conf sudo sysctl -p

9. 项目实战：部署深度学习模型

配置好基础环境后，我们来测试一个典型的AI应用场景：

1. 安装TensorRT加速工具：

   sudo apt install -y tensorrt python3-libnvinfer-dev

2. 转换ONNX模型：

   import tensorrt as trt TRT_LOGGER = trt.Logger(trt.Logger.WARNING) with trt.Builder(TRT_LOGGER) as builder: network = builder.create_network() parser = trt.OnnxParser(network, TRT_LOGGER) with open("model.onnx", "rb") as f: parser.parse(f.read())

3. 性能基准测试：

   /usr/src/tensorrt/bin/trtexec --onnx=model.onnx --saveEngine=model.trt

实测性能对比（ResNet50模型）：

10. 系统维护与故障排除

长期稳定运行需要定期维护：

日志管理：

sudo journalctl --disk-usage # 检查日志大小 sudo journalctl --vacuum-size=200M # 限制日志体积

内核升级：

sudo apt list --upgradable | grep linux-modules sudo apt install --only-upgrade linux-modules-$(uname -r)

遇到系统崩溃时，可收集调试信息：

sudo dmesg -T > dmesg.log sudo cat /var/log/syslog > syslog.log

常见问题快速诊断表：

实际使用中发现，定期清理缓存能显著提升稳定性：

sudo apt clean sudo rm -rf /var/log/*.gz