Nvidia Jetson tx2 开发过程遇到问题和一点发现（1）

开始刷机需准备：Jetson tx2开发套件，电源线（因为其提供的电源线不适合国内电网用），路由器（需设定固定IP）、另外网线2根（不算有网的），键盘、鼠标、带HDMI的显示器和线（或者HDMI转VGA、以及对应线），usb hub（用于开发板单独连接键盘、鼠标），虚拟机（多给些空间，听说50G够（自己不需要再host主机上装jetpack4.2 开发包），Ubuntu16.04.x，网络设置为自定义的桥接模式，动态获取ip（具体可以网上查），host虚拟机端开一个窗口，通过lsusb查询、参考是否进入“烧录模式”，自己是通过官方给的sdkmanager安装的，具体还是要看官方的指引，还需自己注册一个开发者账号，自己是先下载好，用离线模式刷完机的（注意开发板上开机设置的sudo有关密码要记好，host连接开发板时候需要（自己烧录jetpack4.2时候，开发板是已经进入Ubuntu界面了的，和刷系统、驱动时候不一样（开机进入烧录，不进入界面））））；

刷完后，jetson tx2：Ubuntu18.04（不知为什么是18.04，可能直接略过刷系统了？），安装jetpack4.2开发包（包含cuda，tensorrt，opencv等），tx2开机后是有两个python环境的python2和python3，通过以下指令可以切换、设置默认的环境
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
sudo update-alternatives --config python

自己本来是打算将各种框架（pytorch、TensorFlow、caffe2（不熟）…）下生产的模型移植到开发板上的，看了很多官方的文档，说是可以通过先转模型，然后部署到tensorrt深度学习加速引擎上去（通过跑例子，和看一些文档，内部有半浮点f16。和int8的优化（貌似要通过一些相关图片标定，估计内部在比较、保持一定精度）），网上偶然发现可以直接安装pytorch1.0版本（貌似也能安装TensorFlow等），于是想着先按一个pytorch1.0的环境，确保能跑的基础上再尝试做转模型、tensorrt加速；

pytorch1.0安装：网上有教程说是已经源码编译实现了，自己尝试各种问题（一个接着一个，反正不停尝试），基本快搞了一天（心力憔悴，各种希望后又…），弄了好久，终于在一个官方帖子上面找到一点线索(官方帖子毕竟给力些，开发的人少，网上找解决办法好不容易，自己又是菜鸟，还在不断学习中)：“https://devtalk.nvidia.com/default/topic/1049071/jetson-nano/pytorch-for-jetson-nano/ ”帖子上面也有python3下的pytorch安装包下载 “Baidu NetDriver Link: https://pan.baidu.com/s/1H12MoUvf33sZl5mmdpT7jQ Code : ribc ” （学好英文，多仔细看看官方文档还是很重要的，只是文档太多，一边看一边容易忘记，如果内存不够，则要开辟一些虚拟内存，安装完删应该可以，自己好心疼空间，就是装了系统、推理的demo和环境，32G就剩下10G左右了，貌似可以外接动态硬盘的（可网上查找设置方法，不过不划算吧），帖子上给的算了两种搭环境的方法了，第一种很快，另外一种源码编译太耗时了（如果有机会，可以再试下的），Pytorch推荐搭配的组件torchvision还需自己安装的（又是花好久时间，自己一般都是带权限安装，如sudo pip3 …，sudo apt-get …））

虽然显示pytorch1.xxx安装成功，可是还是有点担心，希望能正常工作，以后别出问题（以后会尽量通过转模型，tensrrt加速），同时也感谢在开发、道路上不断做探索、研究、引路、分享…的人，一起进步，交流，学习，解决问题是挺有趣的。