文章目录

1、Tensorflow多版本安装
- 1.1 Protobuf 安装
- 1.2 安装依赖包及tensorflow1.15
- 1.3 安装其它常用库
- 1.4 测试python包是否安装成功
- 1.5 TensorRT和Opencv的安装
- 1.6 pycuda和onnx安装
- 1.7 Tensorflow2.3安装
2、Pytorch安装
- 2.1 安装pytroch和torchvision
- 2.2 安装环境验证
参考内容

首先按照我的其它博客完成jetson nano 基础环境的配置。然后就可以对深度学习框架进行安装。要注意的是，nano每次断电再开机后，系统时间是错误的，要先手动进行设置。

1、Tensorflow多版本安装

创建虚拟环境并激活：

mkvirtualenv nano
workon nano

Tensorflow不同的版本将安装在不同的虚拟环境中。

1.1 Protobuf 安装

退出虚拟环境，在系统中安装Protobuf。
首先配置protobuf,这样可以使tensorflow运行更快。如果protobuf和libprotobuf没有安装，Tensorflow的性能会被大打折扣。当然，使用pip来安装tensorflow 的时候，会自动安装一个protobuf的版本，但是可能不是很合适。关于这部分性能的影响参见Nvidia的论坛
安装命令脚本sh内容如下：

#!/bin/bashset -efolder=${HOME}/src
mkdir -p $folderecho "** Install requirements"
sudo apt-get install -y autoconf libtoolecho "** Download protobuf-3.8.0 sources"
cd $folder
if [ ! -f protobuf-python-3.8.0.zip ]; thenwget https://github.com/protocolbuffers/protobuf/releases/download/v3.8.0/protobuf-python-3.8.0.zip
fi
if [ ! -f protoc-3.8.0-linux-aarch_64.zip ]; thenwget https://github.com/protocolbuffers/protobuf/releases/download/v3.8.0/protoc-3.8.0-linux-aarch_64.zip
fiecho "** Install protoc"
unzip protobuf-python-3.8.0.zip
unzip protoc-3.8.0-linux-aarch_64.zip -d protoc-3.8.0
sudo cp protoc-3.8.0/bin/protoc /usr/local/bin/protocecho "** Build and install protobuf-3.8.0 libraries"
export PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=cpp
cd protobuf-3.8.0/
./autogen.sh
./configure --prefix=/usr/local
make -j$(nproc)
make check
sudo make install
sudo ldconfigecho "** Update python3 protobuf module"
# remove previous installation of python3 protobuf module
sudo pip uninstall -y protobuf
sudo pip install Cython
cd python/
python3 setup.py build --cpp_implementation
sudo python3 setup.py install --cpp_implementationecho "** Build protobuf-3.8.0 successfully"

也可以将命令逐行在终端中执行。

然后激活虚拟环境，装protobuf装到虚拟环境中：

workon nano
cd ~
cp -r ~/src/protobuf-3.8.0/python/ .
cd python
python setup.py install --cpp_implementation

1.2 安装依赖包及tensorflow1.15

安装好protobuf以后，在虚拟环境中安装numpy和cython:

pip install cython
pip install numpy==1.16.1

因为需要编译，用时大约20分钟。
同时安装numpy时可能会报错：
numpy/core/src/multiarray/numpyos.c:18:10: fatal error: xlocale.h: No such file or directory

需要退出虚拟环境，为系统安装numpy，然后将其通过软链接使虚拟环境可以使用：

sudo pip install numpy=1.16.1
cd ~/.virtualenvs/nano/lib/python3.6/site-packages/
ln -s /usr/local/lib/python3.6/dist-packages/numpy numpy

然后再进入虚拟环境中进行numpy安装

pip install numpy==1.16.1
sudo apt-get install libfreetype6-dev
pip3 uninstall -y pillow
pip3 install --no-cache-dir pillow

安装其它依赖包：

pip install -U testresources setuptools
pip install -U future mock h5py keras_preprocessing keras_applications gast futures pybind11

安装过程中建议那个包的安装报错时，可以先把不报错的安装完成，然后报错的单独安装，整个用时也较长。

在写本博客时（2020年11月11日），官方提供了1.15和2.3版本的安装。当前1.15的版本更加稳定，在这个虚拟环境中安装tensorflow1.15.2:

pip install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow==1.15.2

安装过程中有其它依赖会自动安装。
更多安装过程的理解请参考官方论坛和官方安装指导.
通过以上步骤，完成Tensorflow的安装。

安装时间较长，耐心等待。

1.3 安装其它常用库

每个包都很耗时，耐心等待，若不成功，多次尝试，考虑到安装太慢，可以多开几个shell来实现（keras还有scikit-learn jupyter是需要先安装scipy的，所以可以先安装时注意顺序；另外最新版本的keras要求tensorflow>2,所以要指定较早版本）

pip install scipy
pip install keras==2.3.0
pip install pillow
pip install matplotlib
pip install scikit-learn
pip install scikit-image
pip install jupyter

1.4 测试python包是否安装成功

python -c 'import numpy; print(numpy.__version__)'
python -c 'import jupyter; print(jupyter.__version__)'
python -c 'import PIL; print(PIL.__version__)'
python -c 'import matplotlib; print(matplotlib.__version__)'
python -c 'import tensorflow; print(tensorflow.__version__)'
python -c 'import keras; print(keras.__version__)'
python -c 'import scipy; print(scipy.__version__)'

同时可以验证一下tensorflow是否支持GPU：

1.5 TensorRT和Opencv的安装

系统中已将tensorrt和opencv的相关组件安装完成，如下图：

可以看到有uff,tensorrt,graphsurgeon,cv2模块，只需要将这些包的路径填加到虚拟环境的环境变量中即可。

workon nano
add2virtualenv /usr/lib/python3.6/dist-packages
lssitepackages #列出所有的包

1.6 pycuda和onnx安装

要使用tensorrt对各种主流框架（tensorflow,pytorch,caffe)的模型时行转换和加速，还要安装pycuda和onnx

pip install pycuda
pip install onnx==1.4.1

关于onnx的版本也选择了较低的，也可以安装最新的，可能会报错，这时也可以再降级。

1.7 Tensorflow2.3安装

tensorflow1.15.2己在nano虚拟环境中完成安装，大多数包也都是tensorflow2.3的安装依赖，所以进行如下操作。
复制nano环境：

cpvirtualenv nano nano_tf2

这样创建一个叫nano_tf2与nano一样的环境
安装tensorflow2.3

#先卸载tensorflow1.15及keras
pip uninstall keras
pip uninstall tensorflow
#然后再安装
pip install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow==2.3.1

验证安装：

到此，tensorflow的安装完成。随着jetson系列的更新，可以参照本文去官网查看命令来安装。

2、Pytorch安装

本节主要参考 https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-7-0-now-available/72048 内容。
在按照博客完成基础配置后可以执行以下安装步骤。

2.1 安装pytroch和torchvision

复制nano环境：

cpvirtualenv nano nano_ptch

这样创建一个叫nano_ptch与nano一样的环境

#先卸载tensorflow1.15及keras
pip uninstall keras
pip uninstall tensorflow

执行jtop命令，按6,查看当前jetpack版本，选择合适的pytorch版本进行安装。

可以看来系统版本是jetpack4.4.1,是当前(2020年11月13日）最新的。
下面列举几个版本的要求：

选择安装最新版本pytorch1.7

wget https://nvidia.box.com/shared/static/wa34qwrwtk9njtyarwt5nvo6imenfy26.whl -O torch-1.7.0-cp36-cp36m-linux_aarch64.whl #需要科学上网
workon nano_ptch
pip install torch-1.7.0-cp36-cp36m-linux_aarch64.whl

鉴于网络原因，我把pytorch1.7上传到CSDN中，免费下载。
接着安装torchvision,由于torchvision的版本要与pytorch的版本对应，所以要选择合适版本，版本对应关系如下：
PyTorch v1.0 - torchvision v0.2.2
PyTorch v1.1 - torchvision v0.3.0
PyTorch v1.2 - torchvision v0.4.0
PyTorch v1.3 - torchvision v0.4.2
PyTorch v1.4 - torchvision v0.5.0
PyTorch v1.5 - torchvision v0.6.0
PyTorch v1.6 - torchvision v0.7.0
PyTorch v1.7 - torchvision v0.8.1
安装命令为：

git clone --branch <version> https://github.com/pytorch/vision torchvision   # see below for version of torchvision to download
cd torchvision
export BUILD_VERSION=0.x.0  # where 0.x.0 is the torchvision version
sudo python setup.py install     # use python3 if installing for Python 3.6
cd ../  # attempting to load torchvision from build dir will result in import error

具体对应pytorch1.7时：

git clone --branch v0.8.1 https://github.com/pytorch/vision torchvision   # see below for version of torchvision to download
cd torchvision
export BUILD_VERSION=0.8.1  # where 0.x.0 is the torchvision version
sudo python setup.py install     # use python3 if installing for Python 3.6
cd ../  # attempting to load torchvision from build dir will result in import error

2.2 安装环境验证

要验证一下pytorch和torchvision是否安装成功，如下：

使用命令为如图4条：

import torch
print(torch.__version__)
print('cuda available:'+str(torch.cuda.is_available()))
print('cuDNN version:'+str(torch.backends.cudnn.version()))

到此，完成主流深度学习框架tensorflow和pytorch在jetson nano上的安装。

【Jetson-Nano】2.Tensorflow object API和Pytorch的安装相关推荐

Jetson Nano目标检测手把手实战教程（pytorch训练、tensorrt推理，含完整代码和数据）
目录一.概述 1.1 深度学习和边缘计算 1.2 Jetson Nano简介二.深度学习环境安装 2.1 Pytorch框架 2.2 在Jetson Nano上安装Pytorch 三.算法原理四 ...
Jetson Nano 踩坑记
SD卡安装好镜像后,插入到板子中,启动板子启动ubuntu后,第一件事情就是更改源,以前每次都是再界面上修改的,这次界面上没有其他源的选项,只能用命令行修改,用了很多方法都不行,无意中使用了这个博客 ...
Jetson Nano编译opencv-python和opencv-contrib-python
基于Jetson Nano编译opencv以及opencv-contrib,网上说的可以直接用pip install opencv-python pip install opencv-contrib ...
Jetson nano无法中文输入
Jetson nano无法中文输入 1.检查是否安装了ibus 2.进入ibus设置 3.在输入法中添加汉语拼音 4.打开文本输入设置,添加汉语拼音ibus
零基础入门Jetson Nano——远程连接
Jetson Nano学习--远程连接前言一.远程登录Jetson Nano 1.获取Jetson Nano的IP地址 2.在PC端安装远程连接软件 3.与Jetson Nano建立远程连接二. ...
[JetBot] Jetson Nano安装COMFAST 5G双频无线网卡
文章目录前言操作环境一.获取网卡信息 1. 获取无线网卡驱动二.编译并安装驱动 1. 配置编译三.连接无线网络四.测试网速(可选) 总结前言 Jetson联网方法包含以下两种: 以太网 ...
jetson xiaver NX 安装tensorflow object detection api 遇到的tensorflow-addons 不能安装问题
问题:Doing a pip3 install tensorflow-addons from an Nvidia TX2 produce No matching distribution found ...
TensorFlow对象检测-1.0和2.0：训练，导出，优化（TensorRT），推断（Jetson Nano）
作者|Abhishek 编译|Flin 来源|analyticsvidhya 第1部分从在自定义数据集中训练检测器到使用TensorFlow 1.15在Jetson纳米板或云上进行推理的详细步骤完 ...
jetson nano 环境配置（pytorch+ros+rartographer）
1. ,把系统烧录至SD卡后进入系统中依次完成:语言选择.键盘布局选择.WIFI连接.地区选择.用户设置.内存设置(0或者留空). 2. 进入系统设置完成语言的完整下载以及等待系统完成更新.设置系统休 ...

【Jetson-Nano】2.Tensorflow object API和Pytorch的安装