题图：摄于武大凌波门

作为一名每天对着各种裸板的系统工程师，对Jetson Nano会踩到各种坑是做好了充分准备的，本着踩坑填坑的精神，在这里记录一下踩坑经历，供大家一乐。如何避开这些坑？想多了，因为以后你们即使绕开了这些坑，也会有其它的坑等着你:) 重要的是要做到人挡杀人、佛挡杀佛，遇到坑直接趟过去。

安装软件遇到锁

使用apt-get install命令安装软件包，遇到如下提示：

alex@alex-jetson-nano:~$ sudo apt-get install xrdp

[sudo] password for alex:

E: Could not get lock /var/lib/dpkg/lock-frontend - open (11: Resource temporarily unavailable)

E: Unable to acquire the dpkg frontend lock (/var/lib/dpkg/lock-frontend), is another process using it?

复制代码

重启后什么操作也不做，安装软件包，提示依旧。

填坑指南：

首先查看一下是否有apt进程在工作：

alex@alex-jetson-nano:~$ ps aux | grep -i apt

root 6569 0.0 0.0 1912 496 ? Ss 10:37 0:00 /bin/sh /usr/lib/apt/apt.systemd.daily update

root 6582 0.0 0.0 1912 1272 ? S 10:37 0:00 /bin/sh /usr/lib/apt/apt.systemd.daily lock_is_held update

_apt 7736 5.4 0.1 19552 8036 ? S 10:41 0:20 /usr/lib/apt/methods/http

alex 7883 0.0 0.0 7416 640 pts/0 R+ 10:47 0:00 grep --color=auto -i apt

复制代码

可以看到系统在做每日检查更新，解决的方法很简单，关闭每日更新检查：

System Settings | Software & Updates，在Updates页，Automatically check for updates，选择Never

远程连接

没有为Jetson Nano单独配显示器，和开发机共用，但两者都是用的HDMI接口，这样每次切换显示都必须插拔HDMI线，很是麻烦，这个时候就需要远程连接。

有两种使用远程登录Jetson Nano的方法，一种是通过SSH协议登录，这种方法时延小，占用资源少，但只支持命令行。另一种就是通过RDP(Remote Desktop Protocol)协议，支持GUI，熟悉Windows的朋友可能知道Windows支持远程登录，在Ubuntu系统上，也能达到同样的效果。

Jetson Nano采用的是Ubuntu桌面系统，要支持远程桌面协议很简单：

sudo apt-get update

sudo apt-get install xrdp

复制代码

然而在我的开发机上使用 Remmina Remote Desktop Client 软件，配置好各种参数进行连接，总是一闪而过，退出应用。开始怀疑是 Remmina Remote Desktop Client 兼容性存在问题，后来换Windows下的远程登录，依然如此。查看$HOME/.xorgxrdp.10.log日志，可以看到Server端主动退出。

填坑指南：

和普通Ubuntu桌面系统不同的是，Jetson Nano并不支持两个客户端同时登录。安装时为了省事，选择了自动登录系统，这样每次Jetson Nano每次启动，就会有一个用户登录进去，这个时候我再远程登录就会被拒绝。解决方法是，编辑 /etc/gdm3/custom.conf 文件，找到 AutomaticLoginEnable 和 Automatic Login 行，注释掉：

sudo vi /etc/gdm3/custom.conf

# AutomaticLoginEnable=true

# Automatic Login=[user1]

复制代码

无法导入cv2模块

Jetson Nano系统默认 python 为2.7版本，然而安装tensorflow-gpu却需要Python3，在Python3下导入opencv模块，出现如下错误：

(tensorflow-gpu) alex@alex-jetson-nano:~$ python3

Python 3.6.7 (default, Oct 22 2018, 11:32:17)

[GCC 8.2.0] on linux

Type "help", "copyright", "credits" or "license" for more information.

>>> import cv2

Traceback (most recent call last):

File "", line 1, in

ModuleNotFoundError: No module named 'cv2'

>>>

复制代码

使用默认的2.7版本python，则无此问题。

填坑指南：

系统默认为python 2.7安装了opencv模块，但python3没有，需要自己安装：

sudo apt-get install python3-opencv

复制代码

这样安装到系统python3的环境中，如果你使用了python虚拟环境，而创建虚拟环境时没有添加 --system-site-package 参数，在虚拟环境中依然会有问题，解决方法，删除掉虚拟环境中的no-global-site-packages.txt文件。假如虚拟环境名为tensorflow-gpu，命令如下：

rm ~/.virtualenvs/tensorflow-gpu/lib/python3.6/no-global-site-packages.txt

复制代码

python虚拟环境

要说到python的版本问题，python程序员绝对一把鼻涕一把泪。python 2和python 3之间不兼容的问题由来已久，到目前，python 3也没有把python 2干掉，两者尴尬的共存着。除了python本身，python第三方软件包的版本问题也是让人头大。好在我们可以借助python虚拟环境来解决这一问题。python虚拟环境和虚拟机不同，仅仅是做一个环境隔离，完全不存在性能损失，非常适用于python 程序。在开发机上，我使用的是anaconda包，然而，anaconda的 linux 版本只出了x86 32位和64位架构的包，并没有arm64的包。无奈之下，我只能选择python的virtualenv工具。

填坑指南：

virtualenv本身就已经够用，不过为了方便管理，我还是使用了一个wrapper，这实际上就是用脚本在virtualenv上封装了一层，方便使用：

sudo apt-get install virtualenvwrapper

复制代码

为了方便使用这些脚本，我在 $HOME/.profile 文件中添加了一行：

source /usr/share/virtualenvwrapper/virtualenvwrapper.sh

复制代码

创建虚拟名为tensorflow-gpu的虚拟环境：

mkvirtualenv -p /usr/bin/python3 --system-site-package tensorflow-gpu

复制代码

激活虚拟环境

workon tensorflow-gpu

复制代码

退出虚拟环境

deactivate

复制代码

安装tensorflow

Jetson Nano出厂系统并没有自带TensorFlow环境，早先甚至连官方支持都没有，所以网上有很多安装Tensorflow的指南，及其复杂，好在Nvidia意识到了这个问题，给出了官方支持。

填坑指南：

安装依赖包：

sudo apt-get install libhdf5-serial-dev hdf5-tools

sudo apt-get install python3-pip

pip3 install -U pip

sudo apt-get install zlib1g-dev zip libjpeg8-dev libhdf5-dev

sudo pip3 install -U numpy grpcio absl-py py-cpuinfo psutil portpicker grpcio six mock requests gast h5py astor termcolor

复制代码

注意有些步骤特别慢，以至于我以为安装包被墙了，重试了几次仍然这样，后来才弄清楚有些包是需要即时编译的，所以会比较慢，需要耐心等待。

然后安装最新的tensorflow-gpu：

pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu

复制代码

如果要安装指定版本：

pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu==$TF_VERSION+nv$NV_VERSION

复制代码

其中，TF_VERSION是TensorFlow的发布版本，比如1.12.0。NV_VERSION为Tensorflow的NVIDIA容器版本，比如19.01。

小结

在使用Jetson Nano中，还碰到很多稀奇古怪的问题，这里没法一一写出，解决问题主要靠Google，当然Nvidia开发者论坛的Nano版块也值得去看一看，其地址为： devtalk.nvidia.com/default/boa… 在上面我试着用蹩脚的英文向其他开发者提问，收到了不少回应。

生命不息，折腾不止，其实Jetson nano最大的乐趣就是折腾，可以预料以后还会踩各种坑，不过相比软件的坑，硬件的坑更大，毕竟那还要投入真金白银，下一篇我将写写硬件上的坑，敬请关注。