企业官网建设流程全解析

1. 写在前面：为什么我要写这篇非专业测评

Jetson Nano 这板子我前后经手过好几块，从最早一批 4GB 版本到后来 B01 修订版，踩过的坑不算少。网上那些专业测评动不动就是跑分、功耗曲线、散热仿真，数据确实漂亮，但新手看完往往还是不知道第一步该干嘛。所以这篇东西定位很明确：非专业、不堆参数、只讲一个普通开发者拿到板子之后怎么把它跑起来、怎么少走弯路。

如果你刚下单还没收到货，或者板子已经在桌上吃灰好几天，那这篇内容就是写给你的。我会从开箱那一刻讲起，包括配件怎么选、系统怎么烧、第一次开机怎么配置、常见报错怎么排查，最后再聊聊这块板子到底适合做什么、不适合做什么。全程不吹不黑，只讲我实际用下来的感受。

需要提前说明的是，Jetson Nano 属于嵌入式 AI 开发板，它的定位和树莓派有重叠但又不完全一样。树莓派更像一台微型通用电脑，而 Nano 的核心卖点是那颗 128 核 Maxwell 架构的 GPU，能跑 CUDA 和 TensorRT，适合做边缘侧的推理任务。这个区别决定了你买它之前要想清楚用途，否则很容易买回来发现"还不如买个 N100 小主机"。

2. 开箱与配件清单：别急着上电

2.1 盒子里到底有什么

标准版 Jetson Nano 开发者套件的包装很朴素，里面就几样东西：主板本体一块、一张快速入门卡片、一个小的亚克力或者纸质的支撑架（不同批次不太一样）。没有电源、没有 SD 卡、没有散热风扇、没有网线、没有 USB 线。这一点很多新手会懵，以为像买手机一样开箱即用，结果发现啥都缺。

我见过不止一个人拿着板子问我"为什么插上电脑没反应"，答案就是它根本不需要插电脑，它是一台独立运行的小电脑，你得自己配齐外围设备。

2.2 必须自己准备的配件

下面这张表是我建议的最低配置清单，按重要性排序：

这里重点说电源。Jetson Nano 的官方推荐是 5V 4A，通过 DC 圆口供电。很多人图省事用 micro USB 口供电，那个口最多只能稳定提供 5V 2A，一旦你插上 WiFi 模块、USB 摄像头或者跑个推理任务，电流一上去电压就掉，板子直接重启。我实测下来，micro USB 供电只适合最轻量的场景，正经用必须上 DC 供电。

2.3 关于散热这件事

Jetson Nano 的散热设计比较保守，原厂那个小散热片在待机时温度大概 40 度左右，但一旦跑满 GPU，温度能飙到 80 度以上，然后触发降频保护，性能直接腰斩。我建议不管你是哪个版本，都加一个主动散热风扇。

风扇的接法有两种：一种是接在板子上的 4 针风扇接口（J15），支持 PWM 调速；另一种是接在 5V 和 GND 排针上，全速运转。前者更安静，后者更简单。如果你买的是那种带温控的套件风扇，直接插 J15 就行，系统里可以通过脚本控制转速。

注意：接风扇之前一定确认正负极，接反了风扇不转是小事，烧了板子的供电电路就麻烦了。5V 和 GND 的位置在板子丝印上都有标注，拿不准就用万用表量一下。

3. 系统烧录：这一步错了后面全白搭

3.1 镜像从哪来、选哪个版本

Jetson Nano 的官方系统镜像叫 JetPack，本质上是一个定制版的 Ubuntu 加上 NVIDIA 的驱动、CUDA、cuDNN、TensorRT 等组件。下载地址在 NVIDIA 开发者官网，需要注册账号才能下。镜像文件通常 5-6GB，下载要有耐心。

版本选择上，我建议直接用官方推荐的最新稳定版。老版本虽然有些教程多，但驱动和库的兼容性不如新版。需要注意的是，4GB 版本和 2GB 版本的镜像不完全通用，下载时看清楚自己的板子型号。

3.2 烧录工具与操作步骤

烧录镜像用 balenaEtcher 就行，跨平台、免费、界面简单。步骤如下：

1. 把 microSD 卡插进读卡器，连到电脑上
2. 打开 balenaEtcher，选择下载好的镜像文件
3. 选择目标 SD 卡（千万确认选对盘符，选错会格式化你的硬盘）
4. 点击 Flash，等待进度条走完
5. 烧录完成后 Etcher 会自动校验，校验通过就可以拔卡了

整个过程大概 10-20 分钟，取决于你的读卡器速度和 SD 卡质量。烧录完之后，Windows 可能会弹出"需要格式化"的提示，千万别点格式化，那是 Linux 分区 Windows 认不出来而已，直接关掉就行。

3.3 首次开机的配置流程

把烧录好的 SD 卡插进 Nano，接好显示器、键盘、鼠标、网线，最后插电源。第一次开机大概需要 1-2 分钟，屏幕会先黑一会儿再出画面，别以为坏了。

开机后会进入 Ubuntu 的初始设置向导：

• 选择语言和键盘布局
• 连接 WiFi（如果没插网线）
• 设置用户名和密码
• 选择时区
• 调整分区大小（这一步很重要，默认只用了 SD 卡的一部分空间，要选扩展）

设置完成后系统会重启一次，然后进入桌面。到这里，你的 Jetson Nano 就算正式跑起来了。

实操心得：首次开机如果卡在 NVIDIA logo 不动超过 3 分钟，大概率是 SD 卡速度太慢或者烧录有问题。换张卡重新烧一次，别硬等。

4. 上手配置：让板子真正能用起来

4.1 系统更新与换源

刚装好的系统软件源是国外的，更新速度感人。第一件事就是换国内源。编辑/etc/apt/sources.list，把里面的ports.ubuntu.com替换成国内镜像地址。具体用哪个源这里不展开，网上教程很多，注意 Nano 是 arm64 架构，别抄成 x86 的源了。

换完源之后执行：

sudo apt update sudo apt upgrade -y

这个过程可能要半小时到一小时，取决于网络和更新量。建议插着网线跑，别用 WiFi，中途断了会很麻烦。

4.2 检查 CUDA 和 TensorRT 是否正常

JetPack 镜像自带 CUDA 和 TensorRT，但需要确认一下环境变量有没有配好。打开终端执行：

nvcc -V

如果输出了 CUDA 版本信息，说明 CUDA 正常。如果提示 command not found，需要手动把 CUDA 路径加到环境变量里：

export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

把这两行加到~/.bashrc末尾，然后source ~/.bashrc生效。

TensorRT 的检查稍微复杂一点，可以用 Python 导入测试：

import tensorrt as trt print(trt.__version__)

能打印出版本号就说明没问题。

4.3 设置风扇自动调速

如果你接了 PWM 风扇，可以写一个简单的脚本根据温度自动调速。思路是读取/sys/devices/virtual/thermal/thermal_zone0/temp的温度值，然后写入/sys/devices/pwm-fan/target_pwm控制转速。

我一般设三档：温度低于 40 度停转或低速，40-60 度中速，60 度以上全速。这样既安静又能压住温度。脚本可以加到 crontab 里每分钟跑一次，或者写个 systemd 服务常驻。

注意：不同批次的 Nano，PWM 控制节点的路径可能略有差异，先用ls /sys/devices/找一下 pwm-fan 的实际位置。

4.4 远程访问配置

板子配好之后，每次都接显示器键鼠太麻烦，建议开 SSH 和 VNC。SSH 默认就开着，知道 IP 就能连。VNC 需要手动装：

sudo apt install vino -y

然后在系统设置里打开屏幕共享，设置密码。之后用 VNC 客户端连 IP 就能看到桌面了。不过 VNC 传输的是画面，带宽占用比 SSH 大，网络不好的时候会卡。

我的习惯是：日常操作走 SSH，需要看图形界面的时候才开 VNC。这样效率最高。

5. 实际能跑什么：场景与性能预期

5.1 适合跑的任务类型

Jetson Nano 的 GPU 算力大概在 472 GFLOPS 左右（FP16），这个水平放在今天不算强，但做边缘推理够用。我实际跑过的任务包括：

• 图像分类：ResNet-18、MobileNet 这类轻量模型，单张推理几十毫秒
• 目标检测：YOLOv3-tiny、SSD-MobileNet，能跑到 10-20 FPS
• 人脸识别：配合摄像头做实时检测，流畅度可以接受
• 姿态估计：轻量模型能跑，但帧率不高

关键是要用 TensorRT 做加速，直接跑原版 PyTorch 模型会慢很多。TensorRT 会把模型做量化、层融合、kernel 自动调优，速度能提升好几倍。

5.2 不适合做的事情

有些任务别指望 Nano：

• 训练模型：显存只有 4GB（共享内存），训练基本跑不动，训练还是老老实实上服务器或者台式机
• 大语言模型：现在动辄几十亿参数的模型，Nano 连加载都困难
• 高分辨率视频实时处理：1080p 以上多路视频流处理会力不从心
• 当主力开发机：编译大型项目、跑 IDE 都会很卡

我见过有人想用 Nano 做家庭服务器跑各种服务，结果发现 CPU 性能太弱，还不如买个二手迷你主机。Nano 的强项是 GPU 推理，别把它当通用服务器用。

5.3 性能优化的一些实操技巧

想让 Nano 跑得更快，有几个立竿见影的手段：

第一，开启最大性能模式。默认情况下 Nano 是 5W 功耗模式，可以切换到 10W 模式：

sudo nvpmodel -m 0 sudo jetson_clocks

第一条命令切到最大性能模式，第二条把 CPU 和 GPU 频率锁在最高。代价是功耗和发热上升，散热必须跟上。

第二，用 TensorRT 转换模型。以 ONNX 模型为例，可以用trtexec工具转换：

/usr/src/tensorrt/bin/trtexec --onnx=model.onnx --saveEngine=model.trt --fp16

--fp16开启半精度，速度能再快一截，精度损失通常可以接受。

第三，减少内存拷贝。推理流程里尽量让数据留在 GPU 显存里，别频繁在 CPU 和 GPU 之间倒腾。用 CUDA 的 pinned memory 也能提升传输效率。

6. 常见问题与排查实录

6.1 开机类问题

问题一：插电后没有任何反应，风扇也不转。

先检查电源。用万用表量一下 DC 头输出电压是不是 5V，电流够不够。如果电源没问题，看看板子上的电源指示灯亮不亮。不亮的话可能是电源接口虚焊或者板子本身有问题，这种情况只能联系售后。

问题二：开机卡在 NVIDIA logo。

大概率是 SD 卡的问题。要么是烧录不完整，要么是卡本身质量差。换张卡重新烧录试试。如果换了卡还是卡住，检查一下是不是镜像版本和板子型号不匹配。

问题三：开机后花屏或者分辨率不对。

换根 HDMI 线试试，有些劣质线材会导致信号不稳定。另外确认显示器支持的分辨率，Nano 默认输出可能是 1080p，老显示器不一定支持。

6.2 运行类问题

问题一：跑着跑着突然重启。

九成是供电不足。检查是不是在用 micro USB 供电，或者 DC 电源电流不够。特别是插了多个 USB 设备的时候，瞬间电流需求会很大。

问题二：温度过高降频。

加风扇，或者改善散热条件。也可以在软件层面限制功耗模式，牺牲一点性能换稳定性。我一般会在脚本里监控温度，超过 75 度就自动降频。

问题三：CUDA out of memory。

Nano 的显存是和系统内存共享的，总共 4GB。跑大模型或者 batch size 设太大就会爆。解决办法是减小 batch size、用更小的模型，或者调整显存分配策略。

6.3 网络与外设类问题

问题一：WiFi 连不上或者频繁掉线。

Nano 对某些 USB WiFi 模块兼容性不好。建议用官方推荐的模块，或者直接插网线。如果必须用 WiFi，可以试试换一个 USB 口，或者加个带供电的 USB Hub。

问题二：USB 摄像头识别不到。

先ls /dev/video*看看有没有设备节点。没有的话可能是驱动问题，换个摄像头试试。有节点但打不开，可能是权限问题，把当前用户加到 video 组里。

问题三：SSH 连不上。

确认板子和电脑在同一个网段，用ping测试连通性。如果 ping 不通，检查防火墙和路由器设置。能 ping 通但 SSH 连不上，检查 SSH 服务有没有启动：sudo systemctl status ssh。

6.4 问题速查表

7. 一些掏心窝子的使用建议

7.1 关于买不买的判断

如果你只是想学 Linux、跑跑 Python 脚本，那树莓派或者二手迷你主机更合适，便宜且省心。如果你明确要做边缘 AI 推理、想学 CUDA 和 TensorRT，那 Nano 是个不错的入门平台，生态成熟、资料多。

但要注意，Nano 是 2019 年的产品了，现在市面上有性能更强的替代品。买之前想清楚你的需求，别为了"玩 AI"这个模糊的理由冲动消费。我见过太多人买回来跑了个 Hello World 就吃灰了。

7.2 关于学习路径

拿到板子之后，建议按这个顺序推进：

1. 先把系统跑通，熟悉 Ubuntu 基本操作
2. 跑通官方自带的 demo，比如jetson-inference项目
3. 学着自己转换一个模型，用 TensorRT 加速
4. 接上摄像头，做一个完整的推理应用
5. 尝试优化性能，理解瓶颈在哪

每一步都会遇到问题，解决问题的过程就是学习的过程。别指望一上来就能做出惊艳的项目，先把基础打牢。

7.3 关于社区资源

NVIDIA 官方的开发者论坛质量很高，很多问题上面都有答案。GitHub 上的jetson-inference和jetson-utils两个仓库值得仔细看，里面有很多现成的工具和示例。另外国内的 CSDN、知乎上也有不少实战帖，但质量参差不齐，注意甄别。

我个人习惯是遇到问题先搜官方论坛，再看 GitHub issue，最后才看博客。官方论坛的答案通常最准确，博客有时候会过时或者有错误。

7.4 最后分享一个小技巧

如果你经常需要重新烧录系统，可以做一个"黄金镜像"：把配置好的系统用dd命令备份成镜像文件，下次直接烧这个备份，省去重复配置的时间。具体做法是在另一台 Linux 机器上，把 SD 卡插上，用dd if=/dev/sdX of=backup.img bs=4M备份。恢复的时候反过来操作就行。

这个技巧帮我省了大量时间，尤其是需要批量部署多块板子的时候。不过要注意，备份的镜像和原始 SD 卡容量相关，恢复到不同容量的卡上可能需要调整分区。

板子这东西，说到底就是个工具。工具的价值在于你用它能做出什么，而不是它本身有多厉害。Jetson Nano 可能不是最强的，但它足够让你入门边缘 AI 这个领域。把时间花在动手实践上，比纠结参数有意义得多。