Jetson Nano 配置流程（二）

上篇写了环境一些配置，这篇继续写一些python库的安装。

1.安装pinyin,pip,python3变更为默认

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

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

2.Jetson Nano Swap交换空间增加

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'

3.Python一些计算库的安装

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  libopenblas-base
sudo apt-get install libjpeg-dev zlib1g-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。