2022.7.20 JETSON NANO 2GB 跑Swin-Transformer-Object-Detection。（配置：UBUNTU18/PYTHON3.6/PYTORCH1.6.0...）
装机
1.镜像文件下载链接（下载速度波动，普遍较慢）https://developer.download.nvidia.com/embedded/L4T/r32_Release_v7.1/JP_4.6.1_b110_SD_Card/Jetson_Nano_2GB/jetson-nano-2gb-jp461-sd-card-image.zip?RD-7BbE2qYSCqxo1YxGkAfCslPzJx2MJV8t6BOeBSPGT2OUS3Kt4OTLZe23-StyZd2cfZ5GtnjxRUG7nhLJUrh43Ri0OEKdUMjz0e9Sjm1TUmeGwupjvN1YnOUddU6Hy4LPK--_4I2ZxpHxT2RnJehYNhQGR03FnYbdZe3-DJdGoRCiiGXdMdcFf9Dai8J32IW3y7GUuCzTpl_v6WpxGUz5gGKNkxhgKi5s&t=eyJscyI6ImJzZW8iLCJsc2QiOiJodHRwczpcL1wvd3d3LmJpbmcuY29tXC8ifQ
https://developer.download.nvidia.com/embedded/L4T/r32_Release_v7.1/JP_4.6.1_b110_SD_Card/Jetson_Nano_2GB/jetson-nano-2gb-jp461-sd-card-image.zip?RD-7BbE2qYSCqxo1YxGkAfCslPzJx2MJV8t6BOeBSPGT2OUS3Kt4OTLZe23-StyZd2cfZ5GtnjxRUG7nhLJUrh43Ri0OEKdUMjz0e9Sjm1TUmeGwupjvN1YnOUddU6Hy4LPK--_4I2ZxpHxT2RnJehYNhQGR03FnYbdZe3-DJdGoRCiiGXdMdcFf9Dai8J32IW3y7GUuCzTpl_v6WpxGUz5gGKNkxhgKi5s&t=eyJscyI6ImJzZW8iLCJsc2QiOiJodHRwczpcL1wvd3d3LmJpbmcuY29tXC8ifQ
2.用balenaEtcher烧录进micro sd卡中（个人建议64GB往上）
3.系统自带CUDA10.2。
不过还需要在.bashrc文件里import path，保存后再source一下。python默认版本2.7。
4.系统自带了显卡驱动，不需要额外安装。
因为当时在import torch，import torchvision以及torch.cuda.is_available()的验证上出了比较大的问题,频繁地更换pytorch以及torchvision的版本，结果还是不理想。晚上正好想到其他设备上安装的话显卡驱动必不可少装好镜像之后nvcc -V可以用，nvidia-smi显示没发现该指令（后来尝试了jtop，挺好用的），包括用ls /usr/src |grep nvidia没有出现nvidia的对应版本号。也一度怀疑pytorch不适配的基本根源就在这。
配置具体版本号以及文件链接：
1.Archiconda3（一般在其他设备上anaconda用的比较多，不过这个设备上不适配）
2.接着就是造一个虚拟环境
python版本强烈建议3.6
虽然很多环境配置的要求都是最低3.6，保不准再更新一次就不适配了
python3.7，3.8也是多次尝试，要么是上图这种libtorch_global_torch.so找不到该文件的，其实也会把网上常见的，找不到.so文件的解决方案做一个尝试，但是还是不行。后来我发现这种情况比较少见且没有大神给出合适的方案。（链接为github论坛中相同疑问，也是一直没解决）libtorch_global_deps.so not found. · Issue #35597 · pytorch/pytorch · GitHub
但其实之前用的就是3.6的版本，这是为什么想不通准备升级高版本呢？
忽略最后一句，因为pip版本已经更新过了。而且当时安装的mmdetection也并不是高版本，出现了对python版本的要求还是一狠心就升级了。不过后来一次mmdetection的安装过程中没有报错，还是有玄学的成分在。
激活环境
之前用的一直是conda activate,但是后来逐渐习惯source activate,因为conda activate开始报错，说要把import path从.bashrc文件里去除，有些时候好使，有些时候去除了连conda list都弹不出来。不过source activate一直都是好使的。
3.pytorch/torchvision版本安利1.6.0/0.7.0
其实pytorch只是这个环境里算是最基础的一步了，但是我就是迈不过去，单片机和虚拟机还是不尽相同，没办法照搬照抄，甚至nano系列每个产品都有区别。
上链接吧https://download.pytorch.org/whl/torch_stable.html
所有版本都在链接里，记得看清楚cuda版本，主机系统。
如果用链接下载，记得更改文件名，要不然会报错。
文件名如torch-1.6.0-cp36-cp36m-linux_aarch64.whl，
要不然会报错is not a supported wheel on this platform
第一次装完torch，torchvision是在另外一个平台下载的whl文件。其实那时候没有改文件名，导致一直报这个错误。当时很懵，明明版本对应的，为什么平台不支持。网上还有很多针对性很强的教程。包括新的虚拟环境改用python3.7,3.8后，在whl文件配置的这块都没了大问题（最多就是速度慢点），但是torch.cuda.is_available()一直输出FALSE。这也是后来为什么在第一次mmdetection提示python版本过低之后我还是重新建了python3.6的虚拟环境。
pip/conda下载
pip下载有过尝试，还是可行的，就是下载速度不大乐观。
至于conda，网络上很多言论说conda下载的whl文件是cpu版本的，我倒没有出现这个问题，因为我conda install 一直没法定位获取相关的文件。
4.mmcv1.2.4/mmdet2.10.0
特别是whl文件配置起来特别慢的软件，安装已经很费时间了，这个不import也看不出来是对是错。下图分别为初次安装最新版mmcv及配套的mmdetetction/报错后降版本的mmcv及配套的mmdetetction/git clone了Swin-Transformer-Object-Detection包后环境要求的mmcv及配套的mmdetetction。mmcv的whl文件配置确实慢，但是确实香，尽管版本要求也是一直在变。
5.Aepx
git clone https://github.com/NVIDIA/apex
cd apex
pip install -v --disable-pip-version-check --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" ./跑demo：
说实话一路上遇到过很多报错，但是论坛上教程比较完整的错误基本也没有记忆点。那些比较罕见的，尤其是看到论坛上大家讨论，最后也无疾而终的帖子，不自觉就产生的畏难情绪。OSError: mask_rcnn_swin_tiny_patch4_window7.pth is not a checkpoint file · Issue #103 · SwinTransformer/Swin-Transformer-Object-Detection (github.com)
报错：mask_rcnn_swin_tiny_patch4_window7.pth is not a checkpoint file
这点要感谢我的师姐，她告诉了我具体的解决措施。
需要下载官网上针对的pth文件，这样子就可以跑起来了。
UserWarnig其实没必要在意，因为最后警告不会影响进程。本身还天真的想去把代码段修改一下，好不容易弄懂逻辑就下手了，然后跑起来一片报错。
那进程是被谁杀死了
上文说到了jtop，其实看代码跑着的时候就有点担心，从跑起来到被杀死花了2m51s，而且也没有多余的报错。然后我就打开了jtop，从开始运行demo，ram就从0.7一路升到了2，确实想升也升不上去了，运行内存总共只有2GB。
中道崩殂：预计会置换设备或者用相对而言轻量级的实例分割的demo
总结
其实论坛上的教程多种多样，解决常见的问题主要就是考察自己的数据收集处理能力。
对于那些特异性比较强的错误，会比较有挑战性。主要还是要理清主要的逻辑脉络，在错误的节点列举多种还没有尝试的可行性方案，抓住主干，就算没做出来也不会慌乱。