### 在NVIDIA Jetson平台上基于CUDA 11.4安装配置PyTorch #### 下载并准备环境 为了在Jetson设备上成功部署支持CUDA 11.4的PyTorch版本，需先确保系统已更新至最新状态，并安装必要的依赖项： ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install python3-pip libopenblas-base libopenmpi-dev libomp-dev ``` #### 获取特定于Jetson平台的PyTorch轮文件 针对Jetson优化过的PyTorch二进制包可以从NVIDIA开发者论坛获得。对于CUDA 11.4的支持，建议下载对应版本的`.whl`文件。 ```bash wget https://nvidia.box.com/shared/static/p57jwntv436lfrd78inwl7iml6p13fzh.whl \ -O torch-1.12.0-cp36-cp36m-linux_aarch64.whl ``` 此链接指向的是一个预编译好的PyTorch wheel文件，它包含了对Jetson硬件加速的支持[^1]。 #### 安装Python库 完成上述准备工作之后，继续通过pip来安装所需的Python软件包： ```bash pip3 install Cython numpy pip3 install ./torch-1.12.0-cp36-cp36m-linux_aarch64.whl ``` 这一步骤会将之前下载下来的wheel文件作为本地资源来进行安装操作。 #### 配置额外组件 如果计划使用计算机视觉功能，则还需要单独构建和安装`torchvision`模块。可以通过克隆官方GitHub仓库并按照说明进行编译安装[^2]: ```bash git clone --branch v0.13.0 https://github.com/pytorch/vision.git cd vision python setup.py install --user ``` 这里假设选择了与所使用的PyTorch相匹配的稳定版标签（例如v0.13.0），具体版本号应根据实际情况调整。 #### 测试安装效果 最后，在终端里运行简单的测试脚本来确认一切正常工作： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 这段代码将会打印出当前环境中PyTorch的具体版本以及是否能够检测到可用的GPU设备。