Jetson AGX Orin安装Anaconda、Cuda、Cudnn、TensorFlow

写在前面：

Jetson AGX Orin是NVIDIA发布的一款小机器，具有强大的算力但是体积很小，非常方便。最近因为模型训练需求，也有幸体验了一把。笔者主要是用来处理基于tensorflow的计算程序。先后安装了Anaconda、Cuda、Cudnn、TensorFlow。现将具体安装流程记录如下。

1.Anaconda

1.进入网站：https://repo.anaconda.com/archive/  下载aarch64的.sh安装包。如笔者下载的是Anaconda3-2023.07-2-Linux-aarch64.sh.

2.在用户文件下新建anaconda，并存放安装包。在改目录下打开终端，依次输入如下命令：

chmod +x Anaconda3-2023.07-2-Linux-aarch64.sh 

./Anaconda3-2023.07-2-Linux-aarch64.sh

3.关闭终端，重新打开验证是否安装成功，输入如下命令，验证conda命令是否有效：

conda init

conda --version

如果没找到，那么将anaconda3的bin目录加入到PATH中。（命令pwd可以查看目录路径。）输入

echo 'export PATH="/home/用户名/anaconda3/bin:$PATH"' >> ~/.bashrc

source ~/.bashrc
再验证一下。

注：该部分可以参考博文1，参考博文2，参考博文3，笔者没有添加镜像源。

1.1anaconda的作用

Anaconda拥有超过1400个软件包其中包含Conda和虚拟环境管理，他们都被包含在Anaconda Navigator中，因此无需去了解独立安装每个库。可以使用已经包含在Anaconda中的命令conda install或者pip install从Anaconda仓库中安装开源软件包。

Pip提供了Conda大部分功能，并且大多数情况下两个可以同时使用。

该部分摘取自这里。

2.创建conda环境

在安装完anaconda后，就可以用conda命令进行后续一系列包的安装了，（当然后续在安装tensorflow包的时候也可以pip命令）。在此，由于ubuntu系统不侧重于图像界面，我认为安装 anaconda还有一个作用是创建conda环境，用于保证多种不同版本tensorfow的兼容性。由于我的系统事先安装python3.8，因此我可以直接创建。命令如下：
conda activate

conda create -n [env_name] python=3.8

conda activate [env_name]

[env_name]为自己设定的conda环境名，如我命名为：TF2.1

注意：创建之前的环境是（base），创建之后打开的环境即变为（TF2.1）

3.Cuda和Cudnn

由于安装Jetpack时默认直接装上与jetson版本号适配的cuda、cudnn、TensorRT，因此，参考官方直接安装Jeypack即可。依次输入命令：

sudo apt upgrade

sudo apt update

sudo apt dist-upgrade

sudo reboot

sudo apt install nvidia-jetpack

安装完输入如下命令查看适配版本的cuda和cudnn信息（没截图）：

sudo jetson_release

也可以输入如下命令查看：

sudo apt-cache show nvidia-jetpack

可以看到版本等信息。

4.TensorFlow安装

接下来就是安装TensorFlow了，我是在刚刚创建的虚拟环境中安装的。首先安装TensorFlow需要的一系列包，直接参考官方。

4.1 Tensorflow需要的一系列包

sudo apt-get update
sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran

4.2 pip安装和更新

sudo apt-get install python3-pip
sudo python3 -m pip install --upgrade pip
sudo pip3 install -U testresources setuptools==65.5.0

4.3 python包依赖

sudo pip3 install -U numpy==1.22 future==0.18.2 mock==3.0.5 keras_preprocessing==1.1.2 keras_applications==1.0.8 gast==0.4.0 protobuf pybind11 cython pkgconfig packaging h5py==3.7.0

4.4 Tensorflow安装

sudo pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v512 tensorflow==2.12.0+nv23.06

注：由于我的 JetPack版本是5.1.2，因此我直接用的官方这句命令，由于需要的tensorflow是2.x版本，因此也安装的是2.12.0。nv23.06我没懂是什么意思，看官方解释是The monthly NVIDIA container version of TensorFlow，这里我也没改动。

这一步骤时间会比较久。需要安装很多

如果想指定版本，官方也给了命令：

$ sudo pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v$JP_VERSION tensorflow==$TF_VERSION+nv$NV_VERSION

4.5 验证

验证Tensorflow是否安装成功，在虚拟环境中输入命令：

python

import tensorflow as tf

tf.__version__

看到版本信息，即安装成功。

5.图形界面vscode安装

5.1 下载安装包

vdcode已经支持arm架构，直接在vscode官方下载.deb安装包。在安装包目录打开终端安装即可。

安装命令为：

sudo dpfg -i 安装包.deb

echo code hold | dpkg --set-selections

查看安装是否成功：

code --version

5.2 打开vscode

1. 在运行环境中输入code命令即可打开vscode界面。

2.打开要运行的代码，安装python run和debug。就可以运行代码了。

注意：运行过程中会提示一些包不存在，直接按照提示，pip安装即可。

安装完之后，运行代码，速度一般，于是用jtop命令查看算力情况，发现利用率不高，并没有完全发挥到其作用，也没明白是什么原因，后续再想想，也欢迎大家给出意见。