文章目錄

• 1、Tensorflow多版本安裝
• • 1.1 Protobuf 安裝
  • 1.2 安裝依賴包及tensorflow1.15
  • 1.3 安裝其它常用庫
  • 1.4 測試python包是否安裝成功
  • 1.5 TensorRT和Opencv的安裝
  • 1.6 pycuda和onnx安裝
  • 1.7 Tensorflow2.3安裝
• 2、Pytorch安裝
• • 2.1 安裝pytroch和torchvision
  • 2.2 安裝環境驗證
• 參考內容

首先按照我的其它?博客完成jetson nano 基礎環境的配置。然后就可以對深度學習框架進行安裝。要注意的是，nano每次斷電再開機后，系統時間是錯誤的，要先手動進行設置。

1、Tensorflow多版本安裝

創建虛擬環境并激活：

mkvirtualenv nano workon nano

• 1
• 2

Tensorflow不同的版本將安裝在不同的虛擬環境中。

1.1 Protobuf 安裝

退出虛擬環境，在系統中安裝Protobuf。
首先配置protobuf,這樣可以使tensorflow運行更快。如果protobuf和libprotobuf沒有安裝，Tensorflow的性能會被大打折扣。當然，使用pip來安裝tensorflow 的時候，會自動安裝一個protobuf的版本，但是可能不是很合適。關于這部分性能的影響參見Nvidia的論壇
安裝命令腳本sh內容如下：

#!/bin/bashset -efolder=${HOME}/src mkdir -p $folderecho "** Install requirements" sudo apt-get install -y autoconf libtoolecho "** Download protobuf-3.8.0 sources" cd $folder if [ ! -f protobuf-python-3.8.0.zip ]; thenwget https://github.com/protocolbuffers/protobuf/releases/download/v3.8.0/protobuf-python-3.8.0.zip fi if [ ! -f protoc-3.8.0-linux-aarch_64.zip ]; thenwget https://github.com/protocolbuffers/protobuf/releases/download/v3.8.0/protoc-3.8.0-linux-aarch_64.zip fiecho "** Install protoc" unzip protobuf-python-3.8.0.zip unzip protoc-3.8.0-linux-aarch_64.zip -d protoc-3.8.0 sudo cp protoc-3.8.0/bin/protoc /usr/local/bin/protocecho "** Build and install protobuf-3.8.0 libraries" export PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=cpp cd protobuf-3.8.0/ ./autogen.sh ./configure --prefix=/usr/local make -j$(nproc) make check sudo make install sudo ldconfigecho "** Update python3 protobuf module" # remove previous installation of python3 protobuf module sudo pip uninstall -y protobuf sudo pip install Cython cd python/ python3 setup.py build --cpp_implementation sudo python3 setup.py install --cpp_implementationecho "** Build protobuf-3.8.0 successfully"

也可以將命令逐行在終端中執行。

然后激活虛擬環境，裝protobuf裝到虛擬環境中：

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

1.2 安裝依賴包及tensorflow1.15

安裝好protobuf以后，在虛擬環境中安裝numpy和cython:

pip install cython pip install numpy==1.16.1

因為需要編譯，用時大約20分鐘。
同時安裝numpy時可能會報錯：
numpy/core/src/multiarray/numpyos.c:18:10: fatal error: xlocale.h: No such file or directory

需要退出虛擬環境，為系統安裝numpy，然后將其通過軟鏈接使虛擬環境可以使用：

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

然后再進入虛擬環境中進行numpy安裝

pip install numpy==1.16.1

安裝其它依賴包：

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

安裝過程中建議那個包的安裝報錯時，可以先把不報錯的安裝完成，然后報錯的單獨安裝，整個用時也較長。

在寫本博客時（2020年11月11日），官方提供了1.15和2.3版本的安裝。當前1.15的版本更加穩定，在這個虛擬環境中安裝tensorflow1.15.2:

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

安裝過程中有其它依賴會自動安裝。
更多安裝過程的理解請參考官方論壇和官方安裝指導.
通過以上步驟，完成Tensorflow的安裝。

安裝時間較長，耐心等待。

1.3 安裝其它常用庫

每個包都很耗時，耐心等待，若不成功，多次嘗試，考慮到安裝太慢，可以多開幾個shell來實現（keras還有scikit-learn jupyter是需要先安裝scipy的，所以可以先安裝時注意順序；另外最新版本的keras要求tensorflow>2,所以要指定較早版本）

pip install scipy pip install keras==2.3.0 pip install pillow pip install matplotlib pip install scikit-learn pip install scikit-image pip install jupyter

1.4 測試python包是否安裝成功

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__)'

同時可以驗證一下tensorflow是否支持GPU：

1.5 TensorRT和Opencv的安裝

系統中已將tensorrt和opencv的相關組件安裝完成，如下圖：

可以看到有uff,tensorrt,graphsurgeon,cv2模塊，只需要將這些包的路徑填加到虛擬環境的環境變量中即可。

workon nano add2virtualenv /usr/lib/python3.6/dist-packages lssitepackages #列出所有的包

1.6 pycuda和onnx安裝

要使用tensorrt對各種主流框架（tensorflow,pytorch,caffe)的模型時行轉換和加速，還要安裝pycuda和onnx

pip install pycuda pip install onnx==1.4.1

關于onnx的版本也選擇了較低的，也可以安裝最新的，可能會報錯，這時也可以再降級。

1.7 Tensorflow2.3安裝

tensorflow1.15.2己在nano虛擬環境中完成安裝，大多數包也都是tensorflow2.3的安裝依賴，所以進行如下操作。
復制nano環境：

cpvirtualenv nano nano_tf2

這樣創建一個叫nano_tf2與nano一樣的環境
安裝tensorflow2.3

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

驗證安裝：

到此，tensorflow的安裝完成。隨著jetson系列的更新，可以參照本文去官網查看命令來安裝。

2、Pytorch安裝

本節主要參考 https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-7-0-now-available/72048 內容。
在按照博客完成基礎配置后可以執行以下安裝步驟。

2.1 安裝pytroch和torchvision

復制nano環境：

cpvirtualenv nano nano_ptch

這樣創建一個叫nano_ptch與nano一樣的環境

#先卸載tensorflow1.15及keras pip uninstall keras pip uninstall tensorflow

執行jtop命令，按6,查看當前jetpack版本，選擇合適的pytorch版本進行安裝。

可以看來系統版本是jetpack4.4.1,是當前(2020年11月13日）最新的。
下面列舉幾個版本的要求：

選擇安裝最新版本pytorch1.7

wget https://nvidia.box.com/shared/static/wa34qwrwtk9njtyarwt5nvo6imenfy26.whl -O torch-1.7.0-cp36-cp36m-linux_aarch64.whl #需要科學上網 workon nano_ptch pip install torch-1.7.0-cp36-cp36m-linux_aarch64.whl

鑒于網絡原因，我把pytorch1.7上傳到CSDN中，免費下載。
接著安裝torchvision,由于torchvision的版本要與pytorch的版本對應，所以要選擇合適版本，版本對應關系如下：
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
安裝命令為：

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

具體對應pytorch1.7時：

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

2.2 安裝環境驗證

要驗證一下pytorch和torchvision是否安裝成功，如下：

使用命令為如圖4條：

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

到此，完成主流深度學習框架tensorflow和pytorch在jetson nano上的安裝。

總結

以上是生活随笔為你收集整理的【Jetson-Nano】2.Tensorflow和Pytorch的安装的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。