Jetson Nano配置指南（三）：YOLOv8/v11部署Python环境

本文将详细讲解在Jetson Nano上配置YOLOv8/v11开发环境的全流程，涵盖Python多版本管理、代码编辑器安装、虚拟环境搭建及模型部署优化等关键步骤。

一、本机Python环境管理

# 查看当前已配置的Python版本
update-alternatives --list python

若如图显示没有配置过，就把2.7版本和3.6版本都进行配置

# 若没有配置，则添加Python2.7和3.6到版本管理
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2.7 1
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3.6 2

配置成功，这个时候我们再次查看配置

# 切换版本（交互式选择）
sudo update-alternatives --config python

会看到我们的两个版本已经成功进行了配置。如果需要切换版本，输入命令

sudo update-alternatives --config python

系统会提醒你选择哪一个版本，键入响应的版本序号就可以了，比如python3.6是2。此时在终端输查看python版本 ，会发现版本已经修改过来了。

注意事项：python里本该依据版本自带了pip或者pip3，但在某些系统或者硬件下，比如jetson nano，没有pip工具，需要自己安装。

sudo apt install python3-pip

这里有一个很重要的点，在不同的python版本下，使用pip，会自动把包安装到对应版本的site-package下面，但是你用pip list去查看包，他会显示所有环境下安装的包，会造成很大程度的混乱，所以这里再推荐一下用conda。理论上来说在python3.6版本下，pip命令应该要安装到python3.6/sit-package这样的目录下，如果这个时候你直接用pip install去安装包，基本上就废了。我们查看版本会发现pip3版本极低，而且包的位置是不对的，

我们要做的是使用更新命令（如果报服务器错误建议使用国内源） 

python -m pip install --upgrade pip setuptools wheel

再次查看pip版本

这个时候的路径就对了，只有这个时候你才可以把相应的包安装到你指定的正确位置，才能在使用的时候正确import。 这里也有一个非常重要的点，在不同的python版本下，最好指定你要用当前版本的pip来安装库，以安装numpy为例，即

python -m pip install numpy

避坑指南：建议始终使用python -m pip install代替直接执行pip，避免环境混乱 

二、Conda虚拟环境配置（Miniforge）

在开发多个项目时，不同项目可能依赖不同版本的库。Conda虚拟环境可以为每个项目创建独立的环境，确保不同环境中的包版本互不干扰，从而避免依赖冲突。所以建议使用Conda部署yolov8或v11的环境

2.1 安装与初始化

https://github.com/conda-forge/miniforge，打开下载链接之后，点击aarch64版本即可下载安装包

进入包含miniforge安装包的目录，在终端输入命令安装并进行初始化： 

# 执行安装脚本（需提前下载aarch64版本）
bash Mambaforge-24.9.2-0-Linux-aarch64.sh

# 初始化conda环境（路径要换成自己安装的路径）
/home/xzz/mambaforge/bin/conda init

输入命令：conda -V查看版本：

 2.2 配置清华镜像源

conda config --set show_channel_urls yes

使用编辑器，打开.condarc（如果当时安装时候，修改了目录，那么就打开安装目录下.condarc文件） 

sudo gedit /home/xzz/mambaforge/.condarc

用以下任意一个源替换掉文件里的内容：

（1）清华源：

channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

（2）北外源

channels: 
- defaults 
show_channel_urls: true 
channel_alias: https://mirrors.bfsu.edu.cn/anaconda 
default_channels: 
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/main 
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/free 
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/r 
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro 
- https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2 
custom_channels: 
conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud 
msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud 
bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud 
menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud 
pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud 
simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud 
channel_priority: flexible

2.3 创建并激活专用环境（python最好用3.8 版本）

conda create -n ultralytics python=3.8
conda activate ultralytics

三、PyTorch GPU环境搭建

3.1CUDA JetPack版本查看

nvcc -V

如图则表示cuda已安装，版本号是10

查看JetPack的版本，安装 jtop

sudo -H pip3 install jetson-stats

在终端输入jtop查看JetPack的版本为4.6.5

3.2 安装预编译包

由于官方没有适配 jetpack4+python3.8的 pytorch 版本，因此使用其他预编译的安装包（将其放入对应虚拟环境的 bin 文件里进行安装）下载地址

python -m pip install torch-1.11.0a0+gitbc2c6ed-cp38-cp38-linux_aarch64.whl torchvision-0.12.0a0+9b5a3fe-cp38-cp38-linux_aarch64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

3.3 解决依赖问题

import torch 可能会报错，那就一个个安装所缺依赖

# 安装基础运算库
sudo apt-get install aptitude
sudo aptitude install libopenblas-base libopenmpi-dev

进入https://pkgs.org/网站，搜索libopenmpi，下载libopenmpi2_2.1.1-8_arm64.deb（http://ports.ubuntu.com/pool/universe/o/openmpi/libopenmpi2_2.1.1-8_arm64.deb），也可使用指令安装

wget http://ports.ubuntu.com/pool/universe/o/openmpi/libopenmpi2_2.1.1-8_arm64.deb

# 处理动态链接库缺失
sudo dpkg -i libopenmpi2_2.1.1-8_arm64.deb

3.4 验证CUDA可用性

测试torc是否安装成功

python
import torch
print(torch.cuda.is_available()) # 应输出True

四、Code-OSS代码编辑器安装

4.1 下载Code-OSS安装包

通过curl工具获取ARM64架构的预编译版本（以1.32.3为例），下载不了可以在本机下载传过去：

curl -L https://github.com/toolboc/vscode/releases/download/1.32.3/code-oss_1.32.3-arm64.deb -o code-oss_1.32.3-arm64.deb

4.2 安装依赖与软件包

使用dpkg安装下载的.deb文件，若依赖缺失则自动修复：

sudo dpkg -i code-oss_1.32.3-arm64.deb

4.3 验证安装
终端输入以下命令启动Code-OSS

code-oss

4.4 安装python插件

五、YOLOv11环境部署

下载 yolov11 源码 v8.1.0 进入目录安装

pip install -e .  # 开发模式安装

这里报错，显示是用的 python3.6 的 pip，所以前面加上python -m进行安装

python -m pip install --upgrade pip setuptool
python -m pip install -e .

后续就可以训练自己的模型了