linux 개발환경 세팅, 설치 및 Bash 명령어

#주제

내가 쉽게 쓰기 위해서, 리눅스의 명령어, 썼던 제품들의 명령어등을 정리하고자 한다.

#목차

목차	내용	비고	링크
linux 설치	리눅스 세팅	리눅스 세팅 방법	바로가기
Multi-Cuda Setting	멀티 CUDA 환경 설정	여러 CUDA 버전 병행 사용	바로가기
Google Drive 마운트	WSL 2에서 Google Drive 마운트	rclone을 이용한 클라우드 스토리지 연동	바로가기
리눅스 명령어	리눅스 명령어	시스템 확인 명령어, 디스크	바로가기
시스템 확인 명령어	리눅스 시스템 확인 명령어	lsb_release, cat /etc/os-release, uname -a	바로가기

#Linux 세팅

#Cuda Setting

https://jjo-0.github.io/%EC%A0%95%EB%A6%AC/dev/Multi-Cuda/
멀티 쿠다 세팅을 남겨놨다.

#Multi-Cuda Setting

Multi-Cuda Setting을 해야하는 상황이 왔다. 실제로 내가 했던 방법을 정리할 생각이다.
연구소에서 많은 AI 모델을 돌려야하는데, 모델마다 요구하는 CUDA 버전이 달랐다.

목차	설명
Window	Window에서의 Multi-Cuda Setting

#Window

#환경

Window 11
WSL 2.0

#CUDA ToolKit 설치 runfile (Local)

설치 링크
11.8
12.4
12.6
전체 Archive

#GCC 설치

CUDA 11.8의 경우 기본으로 설치되어 있는 gcc 버전 13.3과는 호환되지 않아서 다운 그레이드 해야한다.

코드

# ==============================
# 1) CUDA 기존 것 제거 (WSL 안에서)
# ==============================
sudo apt-get purge nvidia-cuda-toolkit # cuda 제거
sudo apt-get autoremove # 
sudo rm -rf /usr/local/cuda* 

# Gcc version 확인 코드
gcc --version

# gcc 12, 13 버전 설치
sudo apt-get install gcc-12 g++-12

# gcc 12 버전으로 변경
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-12 60 --slave /usr/bin/g++ g++ /usr/bin/g++-12

# update-alternatives: 이 명령어는 여러 버전의 프로그램을 관리, 사용자가 선택할 수 있도록 대체 항목을 설정하는 도구.
# --install : 대체 항목을 추가
# /usr/bin/gcc: 이 경로는 gcc라는 명령어의 기본 위치를 지정 
# gcc: 이 부분은 대체 항목의 이름을 지정
# /usr/bin/gcc-12: 이 경로는 실제로 사용할 GCC의 버전(여기서는 GCC 12)의 위치를 지정
# 60: 이 숫자는 우선 순위 나타낸다. 여러 개의 대체 항목이 있을 때, 숫자가 높을수록 우선적으로 선택된다. 여기서 GCC 12의 우선 순위를 60 설정했다. 
# --slave /usr/bin/g++ g++ /usr/bin/g++-12: 이 부분은 "슬레이브" 항목을 설정하는 것입니다. 슬레이브 항목은 주 항목(여기서는 gcc)이 선택될 때 자동으로 선택되는 항목입니다. 즉, gcc가 gcc-12로 설정되면, g++도 자동으로 g++-12로 설정
  # /usr/bin/g++: 슬레이브 항목의 기본 위치입니다.
  # g++: 슬레이브 항목의 이름입니다.
  # /usr/bin/g++-12: 슬레이브 항목이 가리키는 실제 프로그램의 경로입니다.

# gcc 12 버전으로 변경 확인
gcc --version

# ==============================
# 2) Cuda 버전별 설치
# ==============================
# cuda 11.8 설치
sudo sh cuda_11.8.0_520.61.05_linux.run

# gcc 13 버전으로 변경
sudo apt install gcc-13 g++-13
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-13 70 --slave /usr/bin/g++ g++ /usr/bin/g++-13

#나의 환경 설정

WSL에서 CUDA 설정 링크 참조 : WSL
WSL 관련 프로그램 설치 : WSL_GUI_앱_실행

# > ~/.bashrc file 내부

#####################
### User Setting ###
#####################

# Pyenv 초기화
export PATH="/home/jo/.pyenv/bin:$PATH"
eval "$(pyenv init --path)"
eval "$(pyenv virtualenv-init -)" # Miniforge3 경로 추가
export PATH="/home/jo/.pyenv/versions/miniforge3-24.11.0-1/bin:$PATH"

alias update='sudo apt update && sudo apt upgrade -y && sudo apt autoclean -y && sudo apt autoremove -y'

function switch_cuda {
    local version=$1
    local gcc_version

    case "$version" in
        11.3)
            gcc_version="gcc-9"
            cuda_path="/usr/local/cuda-11.3"
            ;;
        11.8)
            gcc_version="gcc-12"
            cuda_path="/usr/local/cuda-11.8"
            ;;
        12.4)
            gcc_version="gcc-13"
            cuda_path="/usr/local/cuda-12.4"
            ;;
        12.6)
            gcc_version="gcc-13"
            cuda_path="/usr/local/cuda-12.6"
            ;;
        *)
            echo "지원되지 않는 CUDA 버전입니다. 사용 가능한 버전: 11.3, 11.8, 12.4, 12.6"
            return 1
            ;;
    esac

    # GCC 전환
    sudo update-alternatives --set gcc /usr/bin/$gcc_version

    # CUDA 전환
    sudo update-alternatives --set cuda $cuda_path

    # 환경 변수 설정
    export PATH=$cuda_path/bin:$PATH
    export LD_LIBRARY_PATH=$cuda_path/lib64:$LD_LIBRARY_PATH

    echo "CUDA 버전 $version 로 전환되었습니다."
    gcc --version
    g++ --version
    nvcc --version
}

#명령어

#cudnn version 확인
dpkg -l | grep cudnn

#Cuda 란?

CUDA(Compute Unified Device Architecture)는 NVIDIA가 개발한 병렬 컴퓨팅 플랫폼. CUDA를 통해 개발자들은 GPU의 병렬 처리 능력을 활용할 수 있게 되었습니다. CUDA는 GPU의 가상 명령어 집합과 병렬 연산 요소에 직접 접근할 수 있는 소프트웨어 계층을 제공하며, C 언어 등 표준 언어로 GPU 기반의 병렬 처리 알고리즘을 작성할 수 있습니다

CUDA의 주요 특징은 다음과 같습니다.
1. 첫째, GPU의 병렬 처리 기능을 활용하여 계산해 다양한 분야에서 10배 이상의 성능 향상 시킴
2. 둘째, 흩뿌린 읽기, 고속 공유 메모리, 정수 및 비트 단위 연산 지원 등 GPU 고유의 특성을 활용 가능
3. 셋째, 저수준 API와 고수준 API를 모두 제공하여 개발자의 편의성 상승

CUDA의 개념, 특성, 버전별 차이점, 설치 및 구성 방법, 멀티 CUDA 환경 구축 등
CUDA 플랫폼에 대한 전반적인 내용을 다루고자 합니다. 이를 통해 CUDA의 중요성과 활용 방법을 소개하고, 관련 기술에 대한 이해를 높이고자 합니다.

#CUDA 개념

CUDA(Compute Unified Device Architecture)는 NVIDIA가 개발한 병렬 컴퓨팅 플랫폼이다.
GPU는 CPU와 달리 병렬 다수 코어 구조를 가지고 있어, 수천 개의 스레드를 동시에 실행할 수 있다.

#CUDA 특징

GPU 고유 특성을 활용해 병렬 처리에 최적화된 환경을 제공합니다.
디바이스 상에서 읽기·쓰기 속도가 호스트보다 빠르며, 공유 메모리를 통한 고속 데이터 처리가 가능합니다.

#CUDA 버전별 차이점

CUDA는 2007년 1.0부터 시작하여 2.0(2008), 3.0(2010), 4.0(2011), 5.0(2012), 6.0(2014), 7.0(2015), 8.0(2016), 9.0(2017), 10.0(2018), 11.0(2020) 등으로 꾸준히 발전해 왔습니다. 각 버전에서는 병렬 처리·메모리 관리 개선, SIMD(Single Instruction, Multiple Data) 처리 성능 향상, 에너지 효율 개선, 새로운 GPU 아키텍처 지원 등이 추가되었습니다.

버전별 하드웨어 및 소프트웨어 호환성도 중요합니다. 예를 들어, 특정 버전은 특정 GPU 아키텍처에 최적화되며, 운영 체제·컴파일러·라이브러리와의 호환성을 구성 시 반드시 확인해야 합니다.

#CUDA 설치 고려사항

시스템 요구사항과 호환성: 최소 GPU 아키텍처와 커널 버전을 만족해야 하며, Pascal 이상의 GPU 사용이 권장됩니다.
NVIDIA 드라이버 설치: Windows에서는 최신 x86 프로덕션 드라이버(R495 이상), Linux 환경에서는 CUDA Toolkit 패키지를 사용합니다.
개발 환경 준비: Windows, Linux, WSL 등 각 환경마다 설치 법이 다르므로 유의해야 하며, 일부 개발자 도구나 Unified Memory 기능에 제한 사항이 있을 수 있습니다.

#멀티 CUDA 환경 구성

아래는 Windows, Linux, WSL 등에서 CUDA를 병행 사용하기 위한 핵심 사항입니다.

Windows
- 최신 프로덕션 드라이버(R495 이상) 설치.
- WSL 2 설정 후 Ubuntu 등 Linux 배포판을 설치해 CUDA Toolkit 이용.
- 드라이버 충돌 없이 멀티 GPU 환경을 구성 가능.
Linux
- 준수하는 GPU 아키텍처 및 최신 패키지 확인.
- CUDA Toolkit 설치 시, 기존 드라이버 충돌를 피해야 함.
- Maxwell GPU 미지원 이슈가 있으나 실제로 동작할 수도 있음.
WSL
- Windows 드라이버만 설치하면 됨. WSL 내부에서 Linux 드라이버 추가 설치 필요 없음.
- nvidia-smi 명령어 위치, Unified Memory 제약, 멀티 GPU 선택 제한 등에 유의해야 함.
- 커널 버전(4.19.121 이상, 5.10.16.3 이상 권장) 및 Pascal 이상의 GPU 요구.

#자주 발생하는 문제와 해결책

경쟁 상태(Race Condition): 공유 자원 접근 시 동기화 기법 사용.
교착 상태(Deadlock): 자원 할당 순서 지정으로 스레드 간 충돌 방지.
라이브락(Livelock): 타임아웃 등 기법으로 스레드 간 상호작용 최소화.
확장성(Scalability): 알고리즘 최적화·메모리 효율화·데이터 분할로 병렬 처리 성능 향상.

#추가 학습 자료

NVIDIA CUDA 공식 문서: https://docs.nvidia.com/cuda/
서적: “CUDA by Example” (Jason Sanders, Edward Kandrot)
포럼: https://forums.developer.nvidia.com/c/gpu-computing/cuda/
Stack Overflow CUDA 태그: https://stackoverflow.com/questions/tagged/cuda

#결론

CUDA는 병렬 컴퓨팅 분야에서 중요한 역할을 담당하며, 다양한 버전과 아키텍처를 통해 GPU의 강력한 성능을 활용할 수 있게 합니다. Windows·Linux·WSL 등 여러 환경에서 사용 가능하며, 설치 시 드라이버·GPU 아키텍처 호환성·개발 툴 제한 사항 등을 주의해야 합니다. 앞으로도 CUDA는 인공지능·머신러닝·데이터 과학 등 분야에서 발전을 거듭하며, GPU 병렬 처리 기술의 핵심으로 자리 잡을 것입니다.

#Ros2 Humble && Jazzy

#ROS 2 Distro Switcher

ROS 2 Humble 과 ROS 2 Jazzy 배포판을 손쉽게 전환할 수 있는 쉘 함수와 alias 설정이다.

#📦 요구 사항

Ubuntu 22.04 이상 (Humble), Ubuntu 24.04 (Jazzy 권장) 설치가 완료되어야 한다.
나의 경우 24.04 버전에 RoboStack 이용해 설치 했다.
- 시스템 의존성 없이 다양한 OS에서 ROS2 설치 가능한, conda-forge 위에 올라간 ROS2 배포 binary project
- RoboStack을 이용해 설치한 경우 밑의 것이 필요가 없다. (Conda activate 만으로 설정 완료됨)
/opt/ros/humble 및 /opt/ros/jazzy 경로에 ROS 2 설치
Bash 또는 Zsh 쉘
🛠️ 커스텀 옵션
- ROS_DOMAIN_ID 및 ROS_LOCALHOST_ONLY 값은 필요에 따라 조정
- Colcon workspace 설정이 필요하면, switch_ros 함수 내에 추가 source ~/your_ws/install/setup.bash 라인을 넣어 확장 가능하다.
- 여러 workspace를 배포판별로 관리하려면 ~/.bashrc 안에 source ~/ws_humble/install/setup.bash 와 source ~/ws_jazzy/install/setup.bash 구문을 각 case 블록에 추가.
- GUI가 필요한 경우 X 서버(VcXsrv, XQuartz) 설정과 DISPLAY 환경 변수를 확인해야 한다.

# ~/.bashrc 또는 ~/.zshrc
# ───────── ROS 버전 스위처 ─────────
function switch_ros {
    local distro="$1"
    case "$distro" in
        humble)
            source /opt/ros/humble/setup.bash
            export ROS_DOMAIN_ID=0
            export ROS_LOCALHOST_ONLY=0
            ;;
        jazzy)
            source /opt/ros/jazzy/setup.bash
            export ROS_DOMAIN_ID=0
            export ROS_LOCALHOST_ONLY=0
            ;;
        *)
            echo "Usage: switch_ros {humble|jazzy}"
            return 1
            ;;
    esac
    echo "Switched to ROS 2 $distro"
    ros2 --version
}

alias ros_humble='switch_ros humble'
alias ros_jazzy='switch_ros jazzy'

설정 파일 적용:

source ~/.bashrc   # 또는 source ~/.zshrc

# "#" 제거하고 원하는 명령어 적용
# Humble 환경 전환 
# ros_humble 
# switch_ros humble

# Jazzy 환경 전환 
# ros_jazzy
# switch_ros jazzy

#WSL 2에서 Google Drive 마운트

WSL 2에서 Google Drive를 마운트하려면 **rclone**이라는 도구를 사용하는 것이 가장 일반적이고 안정적인 방법이다. rclone은 다양한 클라우드 저장소를 로컬 파일 시스템처럼 연결해주는 강력한 프로그램이다.

#1단계: `rclone` 설치하기

먼저 WSL 터미널(예: Ubuntu)을 열고 아래 명령어를 실행하여 rclone을 설치한다. apt로 설치하는 것보다 공식 스크립트를 사용하는 것이 최신 버전을 설치하는 데 더 좋다.

curl https://rclone.org/install.sh | sudo bash

설치가 완료되면 아래 명령어로 버전을 확인하여 제대로 설치되었는지 검증한다.

rclone --version

#2단계: `rclone`으로 Google Drive 연동 설정하기

이제 rclone이 Google Drive 계정에 접근할 수 있도록 설정해야 한다.

터미널에 rclone config를 입력하여 설정 도구를 실행한다.

rclone config

설정 도구의 질문에 아래와 같이 차례대로 답변한다.

n) New remote -> **n**을 입력하고 Enter를 누른다.
name> -> 원격 연결의 이름을 정한다. gdrive 라고 입력하는 것을 추천한다.
Storage> -> 목록에서 Google Drive를 찾는다. 번호가 매번 다를 수 있으니, **drive**를 입력하고 Enter를 치면 쉽게 찾을 수 있다. 해당 번호를 입력하고 Enter를 누른다.
client_id> -> 그냥 Enter를 눌러 기본값을 사용한다.
client_secret> -> 그냥 Enter를 눌러 기본값을 사용한다.
scope> -> Google Drive에 대한 접근 권한을 선택한다. 전체 권한을 위해 **1**을 입력하고 Enter를 누른다.
root_folder_id> -> 그냥 Enter를 누른다. (특정 폴더만 마운트할 게 아니라면 비워둔다.)
service_account_file> -> 그냥 Enter를 누른다.
Edit advanced config? -> **n**을 입력하고 Enter를 누른다.
Use auto config? -> **y**를 입력하고 Enter를 누른다.
- 이 단계를 진행하면 Windows의 기본 웹 브라우저가 자동으로 열린다. 브라우저에서 Google 계정으로 로그인하고, rclone이 Google Drive 파일에 접근하는 것을 허용해 준다.
Configure this as a team drive? -> 개인 드라이브를 사용한다면 **n**을 입력하고 Enter를 누른다.
Yes this is OK -> 설정이 맞는지 확인 후, **y**를 입력하고 Enter를 누른다.
마지막으로 **q**를 입력하여 설정 도구를 종료한다.

#3단계: Google Drive 마운트하기

이제 설정이 완료되었으니 실제로 Google Drive를 WSL의 폴더에 연결(마운트)할 차례다.

마운트 지점(Mount Point) 생성: Google Drive를 연결할 비어있는 폴더를 홈 디렉터리에 만든다.

mkdir -p ~/gdrive

Google Drive 마운트: 아래 명령어를 실행하여 앞서 설정한 gdrive 원격 연결을 ~/gdrive 폴더에 마운트한다.

rclone mount gdrive: ~/gdrive --daemon

gdrive:는 2단계에서 만든 원격 연결 이름이다. 반드시 콜론(:)을 붙여야 한다.
~/gdrive는 방금 만든 마운트 지점 폴더다.
--daemon 옵션은 rclone이 백그라운드에서 실행되게 하여, 마운트 후에도 터미널을 계속 사용할 수 있게 해준다.

마운트 확인: ls 명령어로 마운트한 폴더의 내용을 확인해 본다. Google Drive의 파일과 폴더 목록이 보이면 성공이다.

ls ~/gdrive

#마운트 해제 및 자동 마운트

마운트 해제: Google Drive 연결을 끊고 싶을 때는 아래 명령어를 사용한다.

fusermount -u ~/gdrive

WSL 시작 시 자동 마운트: 매번 WSL을 켤 때마다 자동으로 마운트되게 하려면, ~/.bashrc 파일 맨 아래에 다음 스크립트를 추가한다. (사용하는 쉘이 zsh라면 ~/.zshrc에 추가)

nano ~/.bashrc 명령어로 편집기를 연다.
파일 맨 아래에 아래 내용을 붙여넣는다.

# Google Drive 자동 마운트
if ! mount | grep -q "on ${HOME}/gdrive type fuse.rclone"; then
  rclone mount gdrive: ~/gdrive --daemon
fi

Ctrl+X -> Y -> Enter를 눌러 저장하고 종료한다. 이제 새 터미널을 열면 자동으로 마운트가 시도된다.

#리눅스 명령어

#시스템 확인 명령어

# 우분투 시스템 확인 명령어
lsb_release -a 
# 출력 예시
# No LSB modules are available.
# Distributor ID: Ubuntu
# Description:    Ubuntu 20.04.2 LTS
# Release:        20.04
# Codename:       focal

cat /etc/os-release 
# 출력 예시
# NAME="Ubuntu"
# VERSION="20.04.2 LTS (Focal Fossa)"
# ID=ubuntu
# ID_LIKE=debian
# HOME_URL="https://www.ubuntu.com/"
# SUPPORT_URL="https://help.ubuntu.com/"
# BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
# PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
# VERSION_CODENAME=focal
# UBUNTU_CODENAME=focal

# 시스템 정보 확인
uname -a 
# 출력 예시
# Linux DESKTOP-1 5.4.0-105-generic #118-Ubuntu SMP Fri Jun 4 08:59:58 UTC 2021 x86_64 x86_64 x86_64 GNU/Linux 
# 출력 설명 : <시스템 이름 : Linux> <호스트 이름 : DESKTOP-1> <커널 버전 : 5.4.0-105-generic> <빌드 날짜 : #118-Ubuntu SMP Fri Jun 4 08:59:58 UTC 2021> <아키텍처 : x86_64 x86_64 x86_64> <운영체제 : GNU/Linux>

#디스크


# 파티션 확인
sudo fdisk -l # 파티션 확인
lsblk # 블록 디바이스 목록 확인

# 디스크 포맷
sudo mkfs.vfat -F 32 -n "USB" /dev/sdb1 # FAT32 파일 시스템으로 포맷
sudo mkfs.ext4 -L "USB" /dev/sdb1 # ext4 파일 시스템으로 포맷
# 주로 리눅스 시스템에서 사용하는 ext4 파일 시스템이다, 
# 모든 os에 적용 하고 싶으면 e


sudo dmesg # dmesg란 커널 메시지를 확인하는 명령어

# 현 디렉토리 사용량 계산
du -sh * | sort -rh | less # 현재 디렉토리,디스크 사용량을 계산하라는 의미
# 예시 sudo du -h / | sort -rh | head -n 10 # 용량이 만약 100% 사용중이라면 sort 명령어도 안먹을 것이다.
sudo du -h / 2>/dev/null | grep '[0-9]G' # 어떤 파일 공간 차지하는지 확인 (Sort 없이)
sudo du -h / | sort -rh | head -n 10 # 공간이 남아 있을 경우 

#확인 디스크 공간 보기
sudo df -h 

# 캐시 삭제
sudo apt-get autoremove -y && sudo apt-get autoclean
conda clean --all # Conda 캐시 삭제
pip cache purge # Pip 캐시 삭제

du 명령어 설명

    du (Disk Usage): 파일 및 디렉토리의 디스크 공간 사용량을 추정하는 명령어 즉, 각 파일, 디렉토리가 디스크 공간을 차지하고 있는지 계산해주는 것  
    옵션:  
    -s (summarize): summarize 옵션은 각 파일이나 디렉토리에 대한 총 사용량만 표시 하위 디렉토리나 파일별 상세 용량 대신, 각 항목의 총합만 보여줌  
    -h (human-readable): human-readable 옵션은 파일 크기를 사람이 읽기 쉬운 형식으로 출력. 예) 바이트 단위 대신 킬로바이트(K), 메가바이트(M), 기가바이트(G) 등으로 자동으로 변환함  
    '*' : 와일드카드 문자. 모든 파일 및 디렉토리를 의미.  
    | (파이프): 파이프 기호는 앞선 명령어의 표준 출력을 뒤따르는 명령어의 표준 입력으로 연결해주는 역할 
sort: 텍스트 파일의 행, 명령어의 출력을 정렬  
옵션 :  
-r (reverse): 역순으로 정렬  
-h (human-readable): 사람이 읽기 쉬운 형식으로 출력  
-n (numeric): 숫자 형식으로 정렬  
-k (key): 특정 필드를 기준으로 정렬  
-t (field): 특정 필드를 기준으로 정렬  
-u (unique): 중복 제거  

less : 텍스트 파일을 페이지 단위로 표시하는 명령어  
옵션 :  
-p (pattern): 패턴 검색  
-N (number): 행 번호 표시  
-R (raw): 이스케이프 시퀀스 무시  
-S (squeeze): 너무 긴 행을 잘라서 표시

캐시 삭제 설명

    sudo apt-get autoremove -y :  
<b>삭제 되는 것</b>
현재 시스템에서 사용되지 않는 패키지들이 삭제된다.<br>
주로 /var/lib/apt와 /usr/lib에 설치된 라이브러리나 실행 파일들이 대상 <br>

<b>삭제 되지 않는 것</b>
사용자가 직접 설치한 패키지(의존성이 아닌 패키지)는 유지된다.<br>
설정 파일(/etc)이나 사용자 데이터는 건드리지 않는다.

#PC 명령어

#Jetson AGX Orin, Xavier NX, Jetson Nano

# 시스템 정보 확인
# Jetson Orin NX의 CPU, GPU, 메모리 사용량, 온도 등 실시간 시스템 상태를 모니터링
sudo tegrastats

#jtop 설명

Jetson Orin NX의 CPU, GPU, 메모리 사용량, 온도 등 실시간 시스템 상태를 모니터링

# 실행 방법
sudo jtop

# 설치 방법
sudo apt update
sudo apt install -y python3-pip
sudo pip3 install -U jetson-stats

첫번째 페이지 : All

상단
- Model : 사용중인 Jetson 모델명
- Jetpack : 사용중인 Jetpack 버전
- L4T : 사용중인 L4T 버전
중단
- CPU : CPU 코어별 사용량 (% 형식 예: [ 10%]])
- Mem : RAM 사용량 (현재 사용량 / 전체 용량) 예 : [ 4.8G/61.4G ]

#jetson-pytorch 설명

Jetson Orin NX의 경우 PyTorch 시스템 설치가 다르다, 이를 설치하기 위해서는 아래 명령어를 사용한다.
Site 나와 있는 대로 하면 된다.
링크_Pytorch 파이토치 설치 사이트
링크_JetPack : 제트팩 설치 사이트
링크_cuSPARSELt : 여기서 다운로드링크 있음
링크_호환체크표 : 호환체크표 여기서 맞는 것을 고르고 설치 하면 된다.
링크_vision : torchvision 설치 사이트, 자신 torch, Python 버전에 맞게

#torch, torchvision, torchaudio에 대한 간략한 설명

Pytorch
Pytorch 란 : Facebook이 주도하여 개발한 오픈 소스 딥러닝 프레임워크
Dynamic Computation Graph : PyTorch는 동적 계산 그래프를 지원해 코드 작성시 유연, 디버깅 용이
GPU 가속화 자동 미분 기눙(autograd) : PyTorch는 자동 미분을 지원해 딥러닝 모델 학습시 역전파 알고리즘을 자동으로 수행
Pytorch_설명_링크

TorchVision
TorchVision 란 : PyTorch와 함께 제공하는 컴퓨터 비전 라이브러리
데이터셋, 모델, 이미지변환(Transforms), 데이터 로더 등을 제공해 컴퓨터 비전 작업을 쉽게 수행할 수 있도록 도와줌
이미지 전처리, 학습 과정 단순화
데이터 로딩 : CIFAR, ImageNet, MNIST 등 다양한 공개 이미지 데이터셋을 쉽게 불러올 수 있습니다.
모델 아키텍처: ResNet, VGG, Faster R-CNN 등 사전 학습된 모델을 제공하여, 전이 학습(Transfer Learning) 및 모델 비교가 용이합니다.
이미지 변환: 이미지 크기 조정, 자르기, 정규화 등 다양한 이미지 전처리 작업을 위한 함수들이 포함 Github_설명_링크

Torchaudio Torchaudio 란 : PyTorch와 함께 제공하는 오디오 처리 라이브러리
오디오 입출력(I/O), 오디오 전처리, 변환(예: 스펙트로그램, MFCC 등) 기능을 제공하며, PyTorch의 텐서와 완벽하게 연동됨
오디오 데이터 로딩: WAV, MP3 등 다양한 포맷의 오디오 파일을 쉽게 읽고 쓸 수 있습니다.
오디오 전처리: 오디오 신호의 스펙트럼 분석, 노이즈 제거, 증강(Augmentation) 등의 작업에 활용됩니다.
응용 분야: 음성 인식, 음악 분류, 오디오 이벤트 감지 등 오디오 기반의 딥러닝 모델 개발에 주로 사용됩니다.
Github_설명_링크

# 1 - Jetpack 설치, (2025.02기준) 최신판 6.2
# 나의 경우 다른 분이 이미 깔았던 상황이라, 이 부분은 생략(나의 경우 6.0이었음)

# 2 - PyTorch 요구 시스템 패키지 설치
sudo apt-get -y update
sudo apt-get install -y  python3-pip libopenblas-dev

# 3 - 24.06 PyTorch 또는 이후 버전을 설치하는 경우, cusparselt를 먼저 설치
# 위에 링크로 다운로드 설치 (1번째 사이트는 잘 안되었음..)

# 4 - Multiple PyTorch 위한 conda 환경 생성, {} 여기에 자신이 원하는 이름을 넣어주면 된다.  
conda create -n  {conda_env name} python=3.10
conda activate {conda_env name}

# 5 - PyTorch 설치
# 나의 경우 여기서 시간이 많이 잡아먹음
# 6.0 버전이라 https://developer.download.nvidia.cn/compute/redist/jp/v60/pytorch/ 그 이후 버전을 찾아야했다.
# 여러가지는 다 넣었는데 안되어서 그냥 https://developer.download.nvidia.cn/compute/redist/jp/v60/pytorch/ 다 다운 받기로 명령어 치니까
# 재귀적 다운로드 옵션(모든 파일 구조 다운로드 시도)
#   wget -r -np -nd https://developer.download.nvidia.cn/compute/redist/jp/v60/pytorch/

# 그래서 얻은 파일 이름
#   torch-2.4.0a0+07cecf4168.nv24.05.14710581-cp310-cp310-linux_aarch64.whl
#   torch-2.4.0a0+3bcc3cddb5.nv24.07.16234504-cp310-cp310-linux_aarch64.whl (선택해서 다운로드 받음)
#   torch-2.4.0a0+f70bd71a48.nv24.06.15634931-cp310-cp310-linux_aarch64.whl
export TORCH_INSTALL=https://developer.download.nvidia.cn/compute/redist/jp/v60/pytorch/torch-2.4.0a0+3bcc3cddb5.nv24.07.16234504-cp310-cp310-linux_aarch64.whl # 자신에게 맞는 버전 선택해야한다.
python3 -m pip install --no-cache $TORCH_INSTALL

# pytorch 설치 확인
python3 -c "import torch; print('PyTorch 버전:', torch.__version__); print('CUDA 사용 가능 여부:', torch.cuda.is_available())"
# 출력 나온다
# 예시 
# PyTorch 버전: 2.4.0a0+3bcc3cddb5.nv24.07
# CUDA 사용 가능 여부: True

# 6 - torchvision 설치
git clone --branch release/0.19 https://github.com/pytorch/vision.git # 나의 경우 0.19 버전을 설치
cd vision
python3 setup.py install
  # torchvision 설치 확인
python3 -c "import torchvision; print('torchvision 버전:', torchvision.__version__)"
python3 -c "import torchaudio; print('torchaudio 버전:', torchaudio.__version__)"