本文共 6186 字，大约阅读时间需要 20 分钟。

文章目录

首先按照我的其它 完成jetson nano 基础环境的配置。然后就可以对深度学习框架进行安装。要注意的是，nano每次断电再开机后，系统时间是错误的，要先手动进行设置。

1、Tensorflow多版本安装

创建虚拟环境并激活：

mkvirtualenv nanoworkon nano

Tensorflow不同的版本将安装在不同的虚拟环境中。

1.1 Protobuf 安装

退出虚拟环境，在系统中安装Protobuf。

首先配置protobuf,这样可以使tensorflow运行更快。如果protobuf和libprotobuf没有安装，Tensorflow的性能会被大打折扣。当然，使用pip来安装tensorflow 的时候，会自动安装一个protobuf的版本，但是可能不是很合适。关于这部分性能的影响参见 安装命令脚本sh内容如下：

#!/bin/bashset -efolder=${HOME}/srcmkdir -p $folderecho "** Install requirements"sudo apt-get install -y autoconf libtoolecho "** Download protobuf-3.8.0 sources"cd $folderif [ ! -f protobuf-python-3.8.0.zip ]; then  wget https://github.com/protocolbuffers/protobuf/releases/download/v3.8.0/protobuf-python-3.8.0.zipfiif [ ! -f protoc-3.8.0-linux-aarch_64.zip ]; then  wget https://github.com/protocolbuffers/protobuf/releases/download/v3.8.0/protoc-3.8.0-linux-aarch_64.zipfiecho "** Install protoc"unzip protobuf-python-3.8.0.zipunzip protoc-3.8.0-linux-aarch_64.zip -d protoc-3.8.0sudo cp protoc-3.8.0/bin/protoc /usr/local/bin/protocecho "** Build and install protobuf-3.8.0 libraries"export PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=cppcd protobuf-3.8.0/./autogen.sh./configure --prefix=/usr/localmake -j$(nproc)make checksudo make installsudo ldconfigecho "** Update python3 protobuf module"# remove previous installation of python3 protobuf modulesudo pip uninstall -y protobufsudo pip install Cythoncd python/python3 setup.py build --cpp_implementationsudo python3 setup.py install --cpp_implementationecho "** Build protobuf-3.8.0 successfully"

也可以将命令逐行在终端中执行。

然后激活虚拟环境，装protobuf装到虚拟环境中：

workon nanocd ~cp -r ~/src/protobuf-3.8.0/python/ .cd pythonpython setup.py install --cpp_implementation

1.2 安装依赖包及tensorflow1.15

安装好protobuf以后，在虚拟环境中安装numpy和cython:

pip install cythonpip install numpy==1.16.1

因为需要编译，用时大约20分钟。

同时安装numpy时可能会报错：numpy/core/src/multiarray/numpyos.c:18:10: fatal error: xlocale.h: No such file or directory 需要退出虚拟环境，为系统安装numpy，然后将其通过软链接使虚拟环境可以使用：

sudo pip install numpy=1.16.1cd ~/.virtualenvs/nano/lib/python3.6/site-packages/ln -s /usr/local/lib/python3.6/dist-packages/numpy numpy

然后再进入虚拟环境中进行numpy安装

pip install numpy==1.16.1sudo apt-get install libfreetype6-devpip3 uninstall -y pillowpip3 install --no-cache-dir pillow

安装其它依赖包：

pip install -U testresources setuptoolspip install -U future mock h5py keras_preprocessing keras_applications gast futures pybind11

安装过程中建议那个包的安装报错时，可以先把不报错的安装完成，然后报错的单独安装，整个用时也较长。

在写本博客时（2020年11月11日），提供了1.15和2.3版本的安装。当前1.15的版本更加稳定，在这个虚拟环境中安装tensorflow1.15.2:

pip install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow==1.15.2

安装过程中有其它依赖会自动安装。

更多安装过程的理解请参考和. 通过以上步骤，完成Tensorflow的安装。

安装时间较长，耐心等待。

1.3 安装其它常用库

每个包都很耗时，耐心等待，若不成功，多次尝试，考虑到安装太慢，可以多开几个shell来实现（keras还有scikit-learn jupyter是需要先安装scipy的，所以可以先安装时注意顺序；另外最新版本的keras要求tensorflow>2,所以要指定较早版本）

pip install scipypip install keras==2.3.0pip install pillowpip install matplotlibpip install scikit-learnpip install scikit-imagepip install jupyter

1.4 测试python包是否安装成功

python -c 'import numpy; print(numpy.__version__)'python -c 'import jupyter; print(jupyter.__version__)'python -c 'import PIL; print(PIL.__version__)'python -c 'import matplotlib; print(matplotlib.__version__)'python -c 'import tensorflow; print(tensorflow.__version__)'python -c 'import keras; print(keras.__version__)'python -c 'import scipy; print(scipy.__version__)'

同时可以验证一下tensorflow是否支持GPU：

1.5 TensorRT和Opencv的安装

系统中已将tensorrt和opencv的相关组件安装完成，如下图：

可以看到有uff,tensorrt,graphsurgeon,cv2模块，只需要将这些包的路径填加到虚拟环境的环境变量中即可。

workon nanoadd2virtualenv /usr/lib/python3.6/dist-packageslssitepackages #列出所有的包

1.6 pycuda和onnx安装

要使用tensorrt对各种主流框架（tensorflow,pytorch,caffe)的模型时行转换和加速，还要安装pycuda和onnx

pip install pycudapip install onnx==1.4.1

关于onnx的版本也选择了较低的，也可以安装最新的，可能会报错，这时也可以再降级。

1.7 Tensorflow2.3安装

tensorflow1.15.2己在nano虚拟环境中完成安装，大多数包也都是tensorflow2.3的安装依赖，所以进行如下操作。

复制nano环境：

cpvirtualenv nano nano_tf2

这样创建一个叫nano_tf2与nano一样的环境

安装tensorflow2.3

#先卸载tensorflow1.15及keraspip uninstall keraspip uninstall tensorflow#然后再安装pip install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow==2.3.1

验证安装：

到此，tensorflow的安装完成。随着jetson系列的更新，可以参照本文去官网查看命令来安装。

2、Pytorch安装

本节主要参考 https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-7-0-now-available/72048 内容。

在按照完成基础配置后可以执行以下安装步骤。

2.1 安装pytroch和torchvision

复制nano环境：

cpvirtualenv nano nano_ptch

这样创建一个叫nano_ptch与nano一样的环境

#先卸载tensorflow1.15及keraspip uninstall keraspip uninstall tensorflow

执行jtop命令，按6,查看当前jetpack版本，选择合适的pytorch版本进行安装。

可以看来系统版本是jetpack4.4.1,是当前(2020年11月13日）最新的。 下面列举几个版本的要求： 选择安装最新版本pytorch1.7

wget https://nvidia.box.com/shared/static/wa34qwrwtk9njtyarwt5nvo6imenfy26.whl -O torch-1.7.0-cp36-cp36m-linux_aarch64.whl #需要科学上网workon nano_ptchpip install torch-1.7.0-cp36-cp36m-linux_aarch64.whl

鉴于网络原因，我把pytorch1.7上传到CSDN中，。

接着安装torchvision,由于torchvision的版本要与pytorch的版本对应，所以要选择合适版本，版本对应关系如下： PyTorch v1.0 - torchvision v0.2.2 PyTorch v1.1 - torchvision v0.3.0 PyTorch v1.2 - torchvision v0.4.0 PyTorch v1.3 - torchvision v0.4.2 PyTorch v1.4 - torchvision v0.5.0 PyTorch v1.5 - torchvision v0.6.0 PyTorch v1.6 - torchvision v0.7.0 PyTorch v1.7 - torchvision v0.8.1 安装命令为：

git clone --branch 
   
     https://github.com/pytorch/vision torchvision   # see below for version of torchvision to downloadcd torchvisionexport BUILD_VERSION=0.x.0  # where 0.x.0 is the torchvision version  sudo python setup.py install     # use python3 if installing for Python 3.6cd ../  # attempting to load torchvision from build dir will result in import error
   

具体对应pytorch1.7时：

git clone --branch v0.8.1 https://github.com/pytorch/vision torchvision   # see below for version of torchvision to downloadcd torchvisionexport BUILD_VERSION=0.8.1  # where 0.x.0 is the torchvision version  sudo python setup.py install     # use python3 if installing for Python 3.6cd ../  # attempting to load torchvision from build dir will result in import error

2.2 安装环境验证

要验证一下pytorch和torchvision是否安装成功，如下：

使用命令为如图4条：

import torchprint(torch.__version__)print('cuda available:'+str(torch.cuda.is_available()))print('cuDNN version:'+str(torch.backends.cudnn.version()))

到此，完成主流深度学习框架tensorflow和pytorch在jetson nano上的安装。

转载地址：http://yncii.baihongyu.com/