2. Jetson硬件与软件栈选型
在真正开始写 DeepStream 管线之前，选型是决定项目能否顺利落地、以及后续能跑多少路视频的关键一步。Jetson 平台、JetPack 版本、CUDA/cuDNN/TensorRT 组件版本、DeepStream SDK 版本这四者之间是层层约束的关系：硬件决定算力上限，JetPack 决定可用的组件版本区间，而 DeepStream 又对 JetPack 有明确的版本要求。任何一环选错，都会在编译或运行阶段以“找不到库”“版本不兼容”的形式暴露出来。
一、Orin / Xavier / Nano 三代平台的定位差异
Jetson 家族目前主流的三代平台在算力、内存带宽和编解码能力上差距很大，直接决定了多路视频分析的路数上限。下面这张图把三代平台的关键规格与典型适用场景放在一起对比，便于快速定位。
从工程角度看，如果目标是 8 路以上 1080p 的实时检测，Orin AGX 或 Orin NX 是更稳妥的选择；Xavier 适合中等规模或已有设备复用；Nano 系列（尤其是原 Nano）更适合单路验证或教学演示，不建议直接用于多路生产环境。需要注意的是，Orin Nano 虽然名字带 Nano，但算力已接近 Xavier NX，选型时不要被命名误导。
二、JetPack 版本与组件对应关系
JetPack 是 NVIDIA 为 Jetson 提供的 SDK 套件，它把 L4T（Linux for Tegra）、CUDA、cuDNN、TensorRT、多媒体 API 等打包在一起。每个 JetPack 版本对应一组固定的组件版本，不能随意混搭。例如 JetPack 5.x 对应 L4T 35.x、CUDA 11.4、TensorRT 8.5；JetPack 6.x 对应 L4T 36.x、CUDA 12.x、TensorRT 8.6/10.x。刷机时选择哪个 JetPack，就决定了后续能装哪个版本的 DeepStream。
可以用下面的命令在设备上确认当前组件版本，这是排查兼容性问题的第一步：
# 查看 L4T / JetPack 版本
cat /etc/nv_tegra_release
# 查看 CUDA 版本
nvcc --version
# 查看 TensorRT 版本
dpkg -l | grep nvinfer
# 查看 DeepStream 版本
deepstream-app --version-all典型输出中，/etc/nv_tegra_release 会显示类似 # R35 (release), REVISION: 4.1 的信息，对应 JetPack 5.1.2；nvcc --version 显示 CUDA 11.4；nvinfer 包版本显示 8.5.x。三者必须与 DeepStream 的要求一致。
三、DeepStream SDK 版本匹配规则
DeepStream 对 JetPack 有硬性要求，不能跨大版本安装。下表列出常见组合，实际以 NVIDIA 官方文档为准：
| DeepStream 版本 | 要求 JetPack | L4T | TensorRT | CUDA |
|---|---|---|---|---|
| 6.1.1 | 5.1.1 | 35.3.1 | 8.5.2 | 11.4 |
| 6.2 | 5.1.2 | 35.4.1 | 8.5.2 | 11.4 |
| 6.3 | 5.1.2 | 35.4.1 | 8.5.2 | 11.4 |
| 7.0 | 6.0 | 36.3 | 8.6.2 | 12.2 |
| 7.1 | 6.1 | 36.4 | 10.3 | 12.6 |
如果设备上已经装了 JetPack 5.1.2，就只能选 DeepStream 6.2 或 6.3，强行装 7.x 会在 apt install 阶段报依赖冲突，或者运行时报 libnvinfer.so.10: cannot open shared object file。反过来，如果项目必须用 DeepStream 7.x 的新特性（如新的 tracker 或 Python binding 改进），就必须先把设备刷到 JetPack 6.x。
四、刷机部署流程与关键判断
刷机是选型落地的最后一步。以 Orin 系列为例，标准流程是：在 Ubuntu 主机上安装 NVIDIA SDK Manager，用 USB-C 线连接 Jetson 的 recovery 口，进入 recovery 模式后由 SDK Manager 自动完成 L4T 烧写和 JetPack 组件安装。关键判断点有三个：
- 确认进入 recovery 模式：
lsusb能看到0955:7023（Orin）或对应 PID，否则 SDK Manager 无法识别设备。 - 选择正确的 JetPack 版本：在 SDK Manager 的 STEP 2 中勾选目标版本，不要默认全选，避免装入不需要的组件占用 eMMC。
- 刷机后验证：重启进入系统后，依次执行
cat /etc/nv_tegra_release、nvcc --version、dpkg -l | grep nvinfer，确认三者与预期一致，再安装 DeepStream。
apt 单独安装，避免刷机阶段空间不足导致失败。
nvidia-smi 无输出或 DeepStream 启动即崩溃。若必须切换版本，应重新刷机而不是覆盖安装。
完成刷机和 DeepStream 安装后，可以用 deepstream-app -c /opt/nvidia/deepstream/deepstream/samples/configs/deepstream-app/source4_1080p_dec_infer-resnet_tracker_sgie_tiled_display_int8.txt 跑一个官方示例，确认四路 1080p 解码、推理、跟踪、显示整条链路正常。如果这个示例能稳定运行，说明硬件、JetPack、CUDA/cuDNN/TensorRT、DeepStream 四层已经匹配到位，后续再替换成自己的模型和视频源即可。
选型的本质是“先定路数和模型，再倒推平台和版本”。建议在项目启动阶段就明确目标路数、单路分辨率、模型类型（检测/分类/分割）和精度要求（FP32/FP16/INT8），然后按“平台 → JetPack → DeepStream”的顺序锁定版本组合，最后再执行刷机。这样能避免在开发中途因为版本不匹配而返工。