1 彻底摸清 Jetson 硬件 + 系统状态

1.1、查硬件型号

（确定是哪款 Jetson）

cat /proc/device-tree/model

1.2 查 L4T/JetPack 版本

（核心！决定所有软件版本）

# 查询 JetPack/L4T 版本
cat /etc/nv_tegra_release

确定Ubuntu版本

查 CUDA 版本

（和 JetPack 严格绑定，不能手动升级）

查 Python 版本（确定 PyTorch 适配的 Python 版本）

查当前 PyTorch 状态（确认有没有装、装的什么版本）

板子的信息总结

核心依赖流程图

（YOLOv8 运行的完整链路）

一、核心组件作用与层级关系

层级	组件	作用	依赖关系
硬件底座	Jetson Orin Nano	NVIDIA 嵌入式 AI 计算模块，集成 ARM 架构 CPU + NVIDIA Ampere 架构 GPU，专为边缘端 AI 推理 / 训练设计	所有软件的运行载体，硬件架构决定只能用 ARM 版本的软件包
系统层	Ubuntu（Linux for Tegra）	Jetson 专属定制版 Ubuntu 系统（L4T），是所有软件的操作系统基础	提供硬件驱动、进程管理、文件系统；JetPack 基于此系统打包
系统层	JetPack	NVIDIA 为 Jetson 打造的一站式 SDK 套件，包含 CUDA、cuDNN、TensorRT 等核心加速库 + 硬件驱动	核心绑定关系：JetPack 版本 ↔ Ubuntu 版本 ↔ CUDA 版本，三者严格匹配，不能单独升级
计算框架层	CUDA	NVIDIA 推出的 GPU 并行计算架构，是连接硬件 GPU 和上层框架的桥梁	只有安装对应 JetPack 版本的 CUDA，PyTorch 才能调用 Jetson 的 GPU 加速
计算框架层	PyTorch（torch）	深度学习训练 / 推理框架，提供张量运算、神经网络构建接口	强依赖：需安装 NVIDIA 为对应 JetPack 编译的 ARM 专属 PyTorch 版本，否则无法调用 CUDA
计算框架层	torchvision	PyTorch 官方视觉工具库，提供图像预处理、数据集加载、经典视觉模型（如 ResNet）	版本必须与 PyTorch 严格匹配，否则会出现兼容性报错
计算框架层	Conda	Python 环境管理工具，可创建独立的 Python 虚拟环境	非必需组件；Jetson 建议用系统默认 Python，避免 Conda 环境与系统库冲突
应用层	YOLOv8	基于 PyTorch 开发的目标检测算法框架（Ultralytics 出品）	依赖 PyTorch + CUDA 实现 GPU 加速推理；依赖 OpenCV 处理图像 / 视频流
应用层	Python	脚本语言，是 PyTorch、YOLOv8 的运行载体	Jetson 系统预装 Python 3.x，所有框架 / 算法均通过 Python 代码调用

可视化逻辑关系图

这是 Jetson 开发最关键的避坑点，版本不匹配会直接导致安装失败 / 无法调用 GPU：

JetPack 版本	L4T 版本	预装 Ubuntu 版本	CUDA 版本	Python 版本	适配 PyTorch 版本（ARM 专属）	适配 torchvision 版本	适用场景
6.1 GA	R36.4.1/7	22.04 LTS	12.6	3.10.12	2.5.0a0+872d972e41.nv24.082.5.1a0+git2e7efd9.nv24.12	0.20.00.20.1	最新版本，支持高性能 AI 推理 / 训练，你的设备当前版本
6.0 DP	R36.2.0	22.04 LTS	12.2	3.10.12	2.4.0a0+e6278d7a.nv24.08	0.19.0	开发者预览版，稳定性略低于 6.1
5.1.2 GA	R35.4.1	20.04 LTS	11.4.315	3.8.10	2.0.0a0+2c863ba.nv23.05	0.15.0	稳定版，社区资源丰富，适合入门
5.1.1 GA	R35.3.1	20.04 LTS	11.4.233	3.8.10	2.0.0a0+2c863ba.nv23.05	0.15.0	5.1.2 前继版本，兼容性一致
5.1 GA	R35.2.1	20.04 LTS	11.4.165	3.8.10	1.14.0a0+44dac51c.nv22.12	0.15.0	早期稳定版，适配旧项目