Nvidia Jetson Nano安装tensorflow-gpu和keras

最近实验需要算法落地，于是某宝买了台nvidia jetson nano，因为Jetson Nano 官方采用的是 aarch64 架构的Ubuntu 18.04.2 LTS 系统，所以习惯x86_64之后，安装软件或是运维起来比较吃力，踩了不少坑。今天就把从烧录系统到测试环境整个过程记录下来，大多是参考。

一分价钱一分货，这种嵌入式开发板功能足够运行比如人脸识别、车牌检测、导向标识识别等简单场景，如果运用到自动驾驶、无人机等领域，请右转Nvidia Jetson TX2。

目录

烧录系统

更新源

检查CUDA/cuDNN等

安装tensorflow-gpu

安装keras

几个问题

怎么联网

怎么数据传输

速度如何

烧录系统

这部分参考https://blog.csdn.net/beckhans/article/details/89136269

镜像地址https://developer.nvidia.com/embedded/downloads，把下载地址拷贝到迅雷下载，不然太慢

更新源

网上大多是把软件源换成了中科大的源，但是据说有些软件会缺失，这里用的是清华源，验证可行。

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main restricted universe multiverse

检查CUDA/cuDNN等

参考https://blog.csdn.net/beckhans/article/details/89138876

安装tensorflow-gpu

安装依赖库

sudo apt-get install python3-pip python3-dev

更新pip到19.0.3（看博客都是19.0.3，都说有个bug，写记录时已经20.x版本了，不晓得bug修复了吗）

python3 -m pip install pip==19.0.3

修改Bug

sudo vim /usr/bin/pip3   #打开pip3文件

修改为：

from pip import __main__
if __name__ == '__main__':
    sys.exit(__main__._main())

 安装一些重要的包

sudo apt-get install python3-scipy
sudo apt-get install python3-pandas
sudo apt-get install python3-sklearn

numpy和matplotlib会被自动安装。

开始安装tensorflow-gpu

安装一些依赖包

sudo apt-get install python3-pip libhdf5-serial-dev hdf5-tools

下载tensflow-gpu

nvidia官网下载地址：https://developer.download.nvidia.cn/compute/redist/jp/v42/tensorflow-gpu/

我下载的tensorflow_gpu-1.13.1+nv19.3-cp36-cp36m-linux_aarch64.whl，下载地址拷贝到迅雷下载。

这里的pip可以换源，因为是aarch架构，所以有些源可能不太友好....这里用的是清华源，可行。不换的话访问国外，速度会非常慢。

修改 ~/.pip/pip.conf (没有就创建一个)， 内容如下：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

先要安装Cython，直接安装tf会有错误

pip3 install Cython

开始安装tensorflow，过程会比较漫长，如果没有报错，那么恭喜你！ 

pip3 install tensorflow_gpu-1.13.1+nv19.3-cp36-cp36m-linux_aarch64.whl --user

测试

#python3
>>>import tensorflow as tf
>>>print(tf.__version__)
1.13.1

如果报错是关于numpy，那么可能是numpy版本有些低，更新numpy

pip3 install --upgrade numpy

安装keras

有了tensorflow做支持，keras安装起来也比较方便了

pip3 install keras==2.1.5

测试

>>>import keras
Using TensorFlow backend.

几个问题

怎么联网

nano本身不带wifi模块，所以想要上网需要自己解决，比如买一块无线网卡，不过对于上手心切（不舍得花钱）的人来说，手机usb共享网络基本能满足需求（把主要软件源改成国内源）。

怎么数据传输

U盘、移动硬盘即可，不过对于一些小文档，频繁插拔确实挺烦，因为我有一台阿里云的服务器，开启了ftp服务，所以对于一些小文档、工程项目我都是通过ftp服务传输。

速度如何

使用opencv自带的人脸分类器+三层卷积和一层全连接，进行人脸的性别检测，平均每张人脸检测速度112fps。

使用原生YOLO v3平均1.1fps。

如果你要进行目标识别，且目标特征较为明显、尺度较大，采用yolov3_tiny或是换个backbone，比如MobileNet等。速度有较大提升。