### 如何在 Jetson AGX Xavier 上运行 Python 程序 #### 准备工作 为了确保能够在 Jetson AGX Xavier 设备上顺利运行 Python 程序，需先确认设备已正确安装所需软件包以及开发环境。对于特定版本的 Python 和相关库的支持情况，在Ubuntu 18.04和Jetpack 4.4环境下已经预装了Python3.6及相关依赖项[^2]。 #### 安装必要的 Python 库和支持工具 如果要扩展功能或支持图形界面应用，则可能还需要额外安装一些Qt5相关的组件来增强用户体验： ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install python3-pip -y pip3 install --upgrade pip setuptools wheel sudo apt-get install qt5-default qtcreator -y sudo apt-get install libqt5serialport5-y sudo apt-get install libcanberra-gtk-module -y ``` 以上命令会更新系统中的软件列表，并安装最新版的 `pip` 工具用于管理 Python 包；还会安装 Qt5 开发套件及其附加模块以便于 GUI 编程[^3]。 #### 创建并激活虚拟环境 (可选) 建议创建独立的 Python 虚拟环境来进行项目开发，这样可以避免不同项目的依赖冲突问题: ```bash python3 -m venv myproject_env source myproject_env/bin/activate ``` 此时终端提示符前会出现 `(myproject_env)` 字样表示当前处于该虚拟环境中。退出虚拟环境只需执行 `deactivate` 命令即可恢复默认状态。 #### 编写简单的 Python 测试脚本 下面是一个非常基础的例子展示如何编写一个能够打印 "Hello, World!" 的 Python 文件 hello_world.py : ```python if __name__ == "__main__": print("Hello, World!") ``` 保存上述代码至文件后可通过如下方式运行它： ```bash python3 hello_world.py ``` 这将会输出 Hello, World! 到控制台窗口中显示出来。 #### 运行更复杂的 Python 程序 当涉及到更为复杂的应用场景比如机器学习模型推理时，就需要加载相应的框架如 PyTorch 并调用其 API 来完成任务。这里给出一段简单示例演示怎样利用 torchvision 加载图像分类器并对单张图片做预测处理: ```python import torch from PIL import Image from torchvision import models, transforms def load_model(): model = models.resnet18(pretrained=True).eval() return model transform_pipeline = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), ]) image_path = 'path/to/image.jpg' img = Image.open(image_path).convert('RGB') input_tensor = transform_pipeline(img)[None] model = load_model() with torch.no_grad(): # 不计算梯度以节省内存资源 output = model(input_tensor) predicted_class_idx = int(torch.argmax(output)) print(f'Predicted class index is {predicted_class_idx}') ``` 这段代码实现了读取一张本地存储的照片并通过 ResNet-18 预训练网络获取类别编号作为最终识别结果。