Jetson Nano （ 二）TensorFlow PyTorch 及“annconda”的安装配置
Jetson Nano 配置流程（ 二）
上篇写了环境一些配置，这篇继续写一些python库的安装。
文章目录
- Jetson Nano 配置流程（ 二）
-
- 1.环境管理annconda的代替品miniforge
- 2.安装pinyin,pip,python3变更为默认
- 3.Jetson Nano Swap交换空间增加
- 4.Python一些计算库的安装
- 5.Python 下import报错
- 6.更新情况
1.环境管理annconda的代替品miniforge
由于Jetson为aarch64架构，目前不支持annconda；这里miniforge和annconda使用方式基本一致。
https://github.com/conda-forge/miniforge/releases
#上面官网链接下载
Mambaforge-4.9.2-7-Linux-aarch64.sh
#直接运行安装脚本；安装过程回有几个选项：要么回车要么yes。
sh ./Mambaforge-4.9.2-7-Linux-aarch64.sh
安装好之后需要配置下环境变量
vim ~/.bashrc
#最后面添加如下内容：
alias sudo="sudo env PATH=$PATH"
#退出更新变量
source ~/.bashrc
#这是配置进入终端直接 是conda的base环境 false是关闭
conda config --set auto_activate_base false
2.安装pinyin,pip,python3变更为默认
需要ssh传输文件，需要安装lrzsz。
#安装lrzsz
sudo apt-get install lrzsz
#语言支持选择汉语（图形界面下使用，不需要可不装）
sudo apt-get install ibus-pinyin
reboot
安装pip，pip更换阿里源（这里是本机原本的python环境）
sudo apt-get install python3-pip
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
python -m pip install --upgrade pip
自带python2与python3，将Python3设置为默认。
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
验证
python --version
#显示这个就说明切换成功
Python 3.6.5
3.Jetson Nano Swap交换空间增加
Jetson Nano 内存为4G，显存与内存共用机制。可以使交换空间增加4G，解决一些耗尽内存的程序出错。
依次输入以下命令，并使其永久生效。
sudo fallocate -l 4G /var/swapfile
sudo chmod 600 /var/swapfile
sudo mkswap /var/swapfile
sudo swapon /var/swapfile
sudo bash -c 'echo "/var/swapfile swap swap defaults 0 0" >> /etc/fstab'
4.Python一些计算库的安装
这里需要安装包括numpy，pandas，scipy，h5py，tensorflow-gpu，pytorch；有些库预先下载好了，tensorflow-gpu版本为1.13.1，pytorch为1.4.0，需要其他版本的可以到官网下载；本人保留了安装的库可百度网盘自取：
https://pan.baidu.com/s/1FUWfLriHrqMSDr7l61tBBQ 提起码：s7ty
#有点慢，需要等待10分钟左右
pip install numpy==1.17.2
#非常慢，大概需要半个小时
pip install pandas
#matlotlib,sklearn
sudo apt-get install python3-matplotlib python3-sklearn
这里需要先安装h5py，不然呆会安装tensorflow-gpu会报错。
sudo apt-get install python3-h5py
#scipy安装
pip install scipy-1.2.0-cp36-cp36m-linux_aarch64.whl
#tensorflow-gpu安装
pip install tensorflow_gpu-1.13.1+nv19.3-cp36-cp36m-linux_aarch64.whl
安装好tensorflow-gpu后，需要这python下测试下，是否安装成功。
import tensorflow as tf
# 判断CUDA是否可以用
a = tf.test.is_built_with_cuda()
# 判断GPU是否可以用
b = tf.test.is_gpu_available( cuda_only=False, min_cuda_compute_capability=None )
print(a)
print(b)
这里输出都为True，说明tensorflow-gpu安装成功了。
pytorch 1.4.0 torchvision 0.5.0 安装
#安装依赖
sudo apt-get install libjpeg-dev zlib1g-dev
sudo apt-get install libopenblas-base libopenmpi-dev
pip install Cython
#安装下载好pytorch库
pip install torch-1.4.0-cp36-cp36m-linux_aarch64.whl
# 下载torchvision
git clone -b v0.5.0 https://github.com/pytorch/vision torchvision
# 编译安装torchvision
cd torchvision
sudo python setup.py install
经过漫长的等待后，进入python环境查看torch是否可用。
import torch
# 判断CUDA是否可以被torch正常调用
print(torch.cuda.is_available() )
至此，目前为止一些主流的深度学习库已经装好了，还有一些keras等库可直接使用pip安装；因为系统自带的OpenCV为.4版本没有dnn模块，下期将会写一个Opencv 4.1.1 编译安装的流程。
5.Python 下import报错
import torch
Illegal instruction (core dumped)
#修改环境变量
sudo vim /etc/profile
#最后加入
export OPENBLAS_CORETYPE=ARMV8
#更新环境变量
source /etc/profile
6.更新情况
2021.3 更新 JP4.3 记录
2022.3 更新JP 4.6.1 记录