本文共 6186 字,大约阅读时间需要 20 分钟。
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。
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
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。
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
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:
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
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。
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。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。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。
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 --branchhttps://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
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/