上篇写了环境一些配置,这篇继续写一些python库的安装。
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
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
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'
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。
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
2021.3 更新 JP4.3 记录
2022.3 更新JP 4.6.1 记录