nvidia jetson tx2 配置过程遇到的问题总结
拿到一块nvidia jetson tx2 开发板，进行研究。
由于其采用arm架构，异于大部分计算终端的x86架构，所以在配置的过程中遇到了很多问题。现总结如下。
刷机
拿到板子应该先刷个机，我采用了最新的jetpack4.3进行刷机。刷机过程可参照大多数教程，其中注意：
- 需要另找一台ubuntu的机器作为host机
- 连接tx2与host的线一定是随箱附带的黑线
- 给tx2配的显示器别是vga的 最好hdmi，dp的如果有转接口也行（me）
- 安装的时候在同一网段，我没给tx2连网线，直接用套件里的天线接收wifi也没问题
- 这里需要注意，我在刷完机后tx2一直显示
A start job is running for End-user configuration after initial OEM installation ( xx s / no limit)
关键是后面总时间是no limit！我足足等了10个多小时还没结束…
最后看了链接，问题得到了解决：只需按tx2上的Reset键即可！！
- 在host端不要随便退出 sdkmanager，否则一切都得重来。如果出错可以点重新开始。
- 期间刷机不成功，我调整了tx2的linux源、dns就没有错误了，仅供参考。
相关配置
如果是第一次玩arm架构的东西，还是建议先读下这个链接
后悔读晚了，中间进行了很多骚操作。
查看板卡状态
nvidia -smi是没有的 可以使用tx2的ubuntu系统桌面上方的
run tegrastcts
或者在根目录下直接运行tegrastcts命令
可以查看当前tx2的CPU、GPU、温度 等一系列参数
GR3D_FREQ可理解为gpu的占用率
cuda cudnn
写在前面：其实在jetpack刷机后，就自动把cuda和cudnn配好了
目前jetpack4.3 配置的对应版本是cuda10、cudnn7.6.3
但是装完之后我却以下指令
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
找不到cudnn，以为没有装上（实际上已经装好了）。到网上找cudnn on arm的安装包只找到一个cudnn7.6.4 for cuda10.2的版本
结果装了以后本来能跑的程序也跑不了了。我继续在网上查找适合cuda10.0 且是arm架构下的 cudnn的安装包就再也找不着了! 官网上只有支持cuda10.2的版本，真的是磨人。这时我才反应过来当时刷完机其实就都已经装好了。
耗费了很多时间
最后的解决办法：
受 链接 启发，我需要找回刷机时的cudnn版本安装包，索性不如回到host机器上找找。竟然真的被我发现了，目录在
/home/(xxx)/Downloads/nvidia/sdkm_downloads
中，找到了我需要的cudnn版本，cudnn7.6.3 arm for cuda10.0!
libcudnn7_7.6.3.28-1+cuda10.0_arm64.deb
libcudnn7-dev_7.6.3.28-1+cuda10.0_arm64.deb
libcudnn7-doc_7.6.3.28-1+cuda10.0_arm64.deb
把包拷贝到tx2上进行安装，解决了出现的问题。
还是要相信nvidia的jetpack，虽然jetpack操作比较麻烦，但是比起来一个一个的配置，已经为开发者省了90%的麻烦了。
TensorFlow1.2~2.1各个GPU版本CUDA和cuDNN对应版本合集 留存备用，里面的信息不一定全，因为我cuda10.0，安装的cudnn7.6.3也是兼容的。
安装tensorflow
强烈推荐阅读tx2的官方安装tf的文档，按照里面的内容操作。
官方文档
介于空间不大，pip足够了，切记按照官方文档来，否则会出很多问题，不一一赘述了。
tx2找不到gpu
土办法：
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"
感觉还是把这个256核当成了一块显卡来用
其他
tx2上的显存与内存是一起用的，所以不建议同时开太多东西，并多注意内存/显存使用
vscode
接触了vscode，发现真乃linux远程开发神器
轻量级ide,安装包不到100M，设计感很强，而且界面很友好，还有不少插件。推荐tabnine和汉化包。
估计以后的趋势都是这种轻量级ide吧，对着vim或者用notepad++很多功能和标识不够清晰，用vs的话占地太大且运行速度慢，都不如使用vscode清爽方便。
可以下载remote development插件进行远程开发 麻烦的是需要手动将公钥传给tx2
参考链接