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。

你可能感兴趣的:(记录1)