Jetson nano系统烧录及pytorch环境配置
前言
因为目前业务方向逐渐偏向硬件嵌入部署，所以最近搞了一个jetson nano和rk3399的板子来上手，之前没搞过硬件开发板，刚开始配置的时候遇到了很多坑，写篇博客记录一下过程。
Jetson Nano 是一款小型，功能强大的单板计算机，配备了1.4 GHz四核ARM A57 CPU，128核Nvidia Maxwell GPU和4 GB RAM。它具有四个USB A型端口，包括一个USB 3.0端口，用于视频输出的HDMI和DisplayPort端口以及一个千兆位以太网连接器。板载CSI摄像头插槽，也可以通过USB连接摄像头。
此外，微型USB端口用于将其连接到电源，但也可以使用桶形连接器，该桶形连接器可与可选的大功率电源配合使用，该大功率电源可提供4安培的电流来执行更繁重的任务，CPU的顶部配有散热器，但如果要执行需要大量散热的处理器密集型任务，则可以在水槽顶部安装一个可选风扇。
一、jetson nano配件
介绍一下nano的必备套件：
- 开发板；
- 电源线；
- SD卡（用于烧录系统）；
- SD卡读卡器（插上电脑烧录系统）；
选配套件：
- 散热风扇（开发板散热）；
- HDMI线（用于连接显示屏调试）；
- WIFI模块（连接wifi）；
- 高清摄像头（用于视觉任务）；
- 网线（联网）；
- 显示屏（界面调试）。
可根据自己需求进行选配购买，如果怕麻烦也可以选择全套套餐，当然会贵一些。
二、烧录ubuntu系统
2.1 系统镜像下载
Jetson Nano刷系统的方式直接把镜像写入SD文件即可。首先去官网下载最新的镜像，我的板子是b01 4G版本，所以下载了这个，整个文件6G多，很考验网速，建议将下载链接复制到迅雷中下载：
2.4 格式化SD卡
使用SD Card Formatter格式化SD卡
2.3 使用官方推荐的Etcher写入系统
镜像选择刚才下载的好的镜像文件即可，盘符现在刚才格式化后的SD卡即可，然后点击Flash，等待差不多半个钟。Etcher官方链接：https://www.balena.io/etcher/
烧录完成后取出SD卡，插到板子上，接通电源开机，，插上鼠标键盘，连接HDMI线和显示屏。进去后大概会看到以下界面，系统会给出相应配置引导，自行配置即可，包括用户名和语言、时区等等：
最后登录系统，进到如下界面，系统烧录就大功告成了。
这时候可以插入网线，或者带有wifi模块的可以连接无线网络，通过右上角设置-网络-有线连接（无线连接）查看本机IP地址，用于在其他电脑上ssh连接调试。
在本地局域网的电脑上打开终端，使用SSH连接jetson nano，连接上之后就可以摆脱屏幕调试了：
ssh <name>@192.168.233.135
三、cuda组件检查
系统安装完成后需要检查安装的组件，因为网上说更新源会有很多问题，所以我这里就先不更新，直接使用默认的源安装更新，输入以下命令，linux小白可以看下这篇文章的介绍：
sudo apt-get update
sudo apt-get full-upgrade
过程比较漫长，慢慢等待即可，一般不会出什么问题。
jetson-nano的系统镜像中已经自带了cuda、cudnn、TensorRT等组件
- 检查CUDA组件
最新版的nano系统安装的是cuda10.2版本，如果直接运行nvcc -V的话是不会成功的，还需要把cuda的路径写入到环境变量里面。运行以下命令编辑环境变量：
sudo vim ~/.bashrc
光标划到最底下，按i进入编辑模式，将下面命令添加上去：
export CUDA_HOME=/usr/local/cuda-10.2
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-10.2/bin:$PATH
最后按Esc退出编辑，按 ：qw 保存退出。如果是遇到权限问题无法保存的话，需要su 到root用户执行。最后再source一下这个文件：
source ~/.bashrc
这时候运行nvcc -V后就会显示版本信息了：
2. 检查cdDNN
通过官方提供的例子验证cuDNN：
cd /usr/src/cudnn_samples_v8/mnistCUDNN #进入例子目录
sudo make #编译一下例子
sudo chmod a+x mnistCUDNN # 为可执行文件添加执行权限
./mnistCUDNN # 执行
最后结果会输出例子的预测结果：
四、pytorch环境安装
终于到了本文的重点，首先需要安装pip：
sudo apt-get install python3-pip python3-dev
安装后pip是9.01版本，需要把它升级到最新版，升级后pip版本为20.3.2
python3 -m pip install --upgrade pip #升级pip
升级后运行pip -V成功后显示
root@cai-desktop:/# pip -V
pip 20.3.2 from /usr/local/lib/python3.6/dist-packages/pip (python 3.6)
安装pytorch环境：需要下载jetson nano对应的torch-aarch64包（之前我一直以为直接用linux下的whl离线包安装即可，下了大半天结果不支持），这里安装的是torch1.6版本，建议直接下载whl，然后再进行安装。
在命令行依次执行，这里的whl包使用了aarch64区别于linux版本的包：
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
pip3 install Cython
pip3 install torch-1.6.0a0+b31f58d-cp36-cp36m-linux_aarch64.whl
安装完后，进行验证，在终端中输入：
可以看到torch已经安装完成，但是还需要安装对应的torchvivision 0.7.0的包，这里的0.7.0是torch1.6对应的版本。
sudo apt-get install libjpeg-dev zlib1g-dev
git clone --branch v0.7.0 https://github.com/pytorch/vision torchvision
#这行命令是将源代码下载到了用户目录下的torchvision，如果torchvision已经存在，需要删除，如果提示permission denied
#命令行使用sudo su 进入管理员模式， 执行 rm -r torchvision ,或者也可以自行查找更安全的删除方法
cd torchvision
#进入用户目录下的torchvision，执行源代码编译工作，需要一定的时间，大概十多分钟
sudo python3 setup.py install
cd ../ # attempting to load torchvision from build dir will result in import error
pip3 install 'pillow<7' # always needed for Python 2.7, not needed torchvision v0.5.0+ with Python 3.6
但是编译的时候遇到一个很头疼的问题，在网上找了大半天终于找到解决的方法了，这里给个链接：
解决方法：vi setup.py文件，修改如下：
if has ffmpeg 改为if False即可
安装完成后，进行验证，在终端中输入python3，进入3.6.9的环境，依次验证：
>>> import torch
>>> print(torch.__version__)
# 输出 1.6.0
>>> print('CUDA available: ' + str(torch.cuda.is_available()))
>>> print('cuDNN version: ' + str(torch.backends.cudnn.version()))
>>> a = torch.cuda.FloatTensor(2).zero_()
>>> print('Tensor a = ' + str(a))
>>> b = torch.randn(2).cuda()
>>> print('Tensor b = ' + str(b))
>>> c = a + b
>>> print('Tensor c = ' + str(c))
>>>> import torchvision
>>> print(torchvision.__version__)
# 输出 0.7.0
安装常见的深度学习库
sudo apt-get install python3-scipy
sudo apt-get install python3-pandas
sudo apt-get install python3-sklearn
sudo apt-get install python3-matplotlib
opencv环境编译：
- 安装步骤参考这篇文章：Jetson nano编译安装OpenCV4.1.1和OpenCV_contirb-4.1.1
- 报错处理参考这篇：在jetson nano中配opencv环境（python通用）
特别记录一下编译opencv遇到最头疼的问题：
困扰了一整天，后来在opencv的issues里找到了答案
意思就是把/build/samples/gpu/CMakeFiles/example_gpu_surf_keypoint_matcher.dir/link.txt修改一下，在CMakeFiles/example_gpu_surf_keypoint_matcher.dir/surf_keypoint_matcher.cpp.o后添加
../build/modules/xfeatures2d/CMakeFiles/opencv_xfeatures2d.dir/src/surf.cuda.cpp.o ../build/modules/xfeatures2d/CMakeFiles/cuda_compile_1.dir/src/cuda/cuda_compile_1_generated_surf.cu.o
这两行信息，…/为你自己的build路径前缀。修改后保存，再次编译，大功告成！！
卸载旧版opencv，安装新版
# 卸载
cd opencv-4.1.1/build
sudo make uninstall
cd ..
sudo rm -r build
sudo rm -r /usr/local/include/opencv2 /usr/local/include/opencv
cd /usr
sudo find . -name "*opencv*" | xargs sudo rm -rf
# 安装
unzip 4.3.1.zip
cd opencv-4.3.1
mkdir build && cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
make
sudo make install
先写到这里，后面补一些细节和文件百度云链接
———————————————————————————————————————
参考文章：
- Jetson Nano安装pytorch
- xavier NX上安装pytorch
- 安装pytorch