手把手教你使用jetson nano运行maskrcnn-benchmark

准备工作

1. 一块jetson Nano
2. 一个SD卡，我这里是64G的
3. 从nvidia官网上烧录镜像到SD卡上，然后把SD卡插到nano里，开机

安装pytorch

Python 2.7

wget https://nvidia.box.com/shared/static/m6vy0c7rs8t1alrt9dqf7yt1z587d1jk.whl
-O torch-1.1.0a0+b457266-cp27-cp27mu-linux_aarch64.whl pip install torch-1.1.0a0+b457266-cp27-cp27mu-linux_aarch64.whl

Python 3.6

wget https://nvidia.box.com/shared/static/veo87trfaawj5pfwuqvhl6mzc5b55fbj.whl -O torch-1.1.0a0+b457266-cp36-cp36m-linux_aarch64.whl
pip3 install numpy torch-1.1.0a0+b457266-cp36-cp36m-linux_aarch64.whl

安装opencv

由于无法使用pip3 install opencv-python 来直接安装，所以我们使用从源码安装的方法：

1. 下载opencv release版的source.zip

2. 运行

    cd opencv
    mkdir build
    cd build
    cmake ..
    make all
    sudo make install
   

安装maskrcnn-benchmark

1. cuda环境在nano的官方镜像里就已经有了，我们不需要关心。
2. 这里我没有使用anaconda，因为装不上，估计是aarch64平台的原因，这里直接在系统的python3里进行安装:

pip3 install ninja yacs cython matplotlib tqdm  --user -i https://pypi.tuna.tsinghua.edu.cn/simple
(我在运行这里的时候装ninja出现了No module named skbuild 的错误，原因是没有装scikit-build, pip3 install scikit-build 即可）
pip3 install pycocotools --user
git clone https://github.com/NVIDIA/apex.git
cd apex/
sudo python3 setup.py install --cuda_ext --cpp_ext --user
(运行这里的时候出现了numpy，protobuf版本太低的错误，升级一下即可）
cd ..
git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
cd maskrcnn-benchmark
sudo python3 setup.py build develop --user

运行maskrcnn-benchmark

由于jetson nano 只有4G的内存（显存公用），所以运行稍微大点的模型的时候，虚拟内存是有必要的：

sudo dd if=/dev/zero of=/swap bs=1M count=2048
mkswap -f /swap
swapon /swap

然后运行demo/Mask_R-CNN_demo.ipnb文件，效果如下：
（记得要把cpu改成cuda）：