DJI ManiFold-2G(Nvidia Jetson TX2)源码安装Tensorflow-1.12.0

Dji ManiFold-2G(Nivida Jetson TX2)源码安装Tensorflow-1.12.0

1. Cuda 9.0
2. Jetpack 3.3
3. Python 3.5
4. cuDNN 7.4.1（严格匹配！其他版本会出现问题！）

1. 使用背景：

使用TensortRt在DJI MANIFOLD-2G 部署加速目标检测模型。Nivida 提供了一些版本的tensorflow wheel安装。

由于Dji ManiFold-2G内置的Jetpack 3.3，Cuda9.0，Jetpack和Cuda版本不可随便变更，所以在安装tensorflow时需要注意按照版本进行匹配。在TX2上安装tensorflow-0.8.0经过测试是可以正常使用的，但是在转换和加载目标检测模型是会出现一些问题，因此尝试更高版本的tensoflow。

2. 准备工作：

2.1 创建虚拟内存空间

由于MANIFOLD-2G 的内存只有8G，在源码编译tensorflow这种大型项目时需要足够的内存，因此建议在硬盘上创建8G虚拟内存（按照自己实际需求创建虚拟内存）。

$ sudo fallocate -l 8G /swapPath/8GB.swap
$ sudo mkswap /swapPath/8GB.swap
$ sudo swapon /swapPath/8GB.swap

此时可以使用free-m看到已经新建了8GB的虚拟内存，为了保证该虚拟内存在计算机重启后仍有效，需要将下面语句添加到/etc/fstab后并重启计算机：

$ /swapPath/8GB.swap none swap sw 0 0

注： 在TX-2这种开发板上创建虚拟内存空间十分重要，这保证一些大型程序的编译有足够的内存空间，如果不建立这样的内存空间在编译TF时会出现内存不足的错误。

3. 安装步骤：

作者在安装学习的过程中主要参考JK Jung blog，该博客给作者的工作提供了极大的帮助，因此这里也主要借鉴JK Jung所提供的相关内容。

1. 如果你已经安装了tensorflow、tensorboard，需要先讲其卸载

    $ sudo pip3 uninstall -y tensorflow tensorboard
   

2. 从Github上下载安装源码，这里直接使用JK Jung的Github的jetson_nano仓库

   $ cd /project
   $ git clone https://github.com/jkjung-avt/jetson_nano.git
   $ cd jetson_nano 
   

3. 安装libprotobuf-3.6.1，安装该版本的libprotobuf主要是由于在使用TensorRt加速模型时大幅度提升对模型文件（xx.pd）载入的时间。

   $ ./install_protobuf-3.6.1.sh
   

   在安装protobuf过程中比较顺利没有出现问题，但是编译时间较长。如编译中遇到问题可以交流。

4. 安装bazel-0.15.2，bazel主要是tensorflow的源码编译工具。

   ./install_bazel-0.15.2.sh
   

   bazel编译中出现的问题：

   Q1. 无法解压tensorflow/third_party/asm/asm-6.0.jar
   

   该问题主要是由于使用unzip对.jar文件解压失败造成的，笔者没有找到更合适的方法解决这个问题，但是尝试了一种比较笨拙的方式解决了该问题。

   首先，进入到出现问题的文件夹：
   cd /src/tensorflow/third_party/asm

   其次，将asm中.jar文件加上.zip后缀后变成xxx.jar.zip，再使用unzip解压时发现是正确的，按照此方法可以解决该问题。

   Q2. 解压正确，但是后面运行时仍提示无xxx.jar文件

   出现这个问题很迷惑，笔者尝试解压完文件后将原来的xxx.jar文件又放回到 /src/tensorflow/third_party/asm目录中，编译正确执行。（上述问题的出现用着两种方法可以解决，但是笔者总觉得这不是最合适的方法，没有从根本解决这个问题，如果大家有更好的解决方法，欢迎交流！！）

5. 源码安装tensorflow-1.12.2，执行安装脚本，包括下载tensorflow所依赖的环境。

   ./install_tensorflow-1.12.2.sh
   

   编译中出现的问题：

   Q3. bazel构建文件出现的release-62-1.tar.gz错误解决

   该问题主要是由于下载release-62-1.tar.gz的错误，搭建一个本地的http服务，自己下载release-62-1.tar.gz并将其放到相应的位置。具体步骤如下：

   ① 搭建本地http服务:

   $ sudo apt-get install httpd
   $ sudo apt-get install apache2
   $ sudo apt-get install apache2-dev 
   

   安装成功后使用sudo systemctl status apache2查看状态，在浏览器中输入localhost出现下面界面即为成功。

   ② 安装release-62-1.tar.gz

   下载地址，将下载好的文件复制到/var/www/html目录下，并将https://localhost/release-62-1.tar.gz添加到tensorflow/third_party/icu/workspace.bzl的url中。继续执行会出现下面的问题，需要在进行一处修改：
   将tensorflow/third_party/icu/workspace.bzl中的Checksum改成报错内容中出现的序列，即86b85…这一行序列

   ③ 注意

   在完成上述步骤后，记得要copy一个workspace.bzl文件，因为在编译tensorflow是会更新这个文件，注意当编译时更新文件之后，迅速将更新的文件改成重新写好的workspace.bzl，这里源码编译会让你确认cuda版本，在确认版本之前更改这个文件即可。

6. 源码编译结束后安装wheel文件即可。脚本中已写好，无需自己安装。这里给大家提供一下我编译安装好的wheel文件。

tensorflow-1.12.2-cp35-cp35m-linux_arrach64.whl

4. 常见问题

1. 在成功安装tensoflow-1.12.2后，在测试程序的时候出现如下问题

   Error : Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.

   查阅了一些解决办法，最后发现是因为我的cuDnn版本不匹配导致的，之前我将Manifold-2G的cuDNN版本更新了一次，更改成了7.6.5版本，但是这个版本与编译的tensoflow不匹配，所以导致该错误发生。建议读者严格按照文章开始提到的环境安装。

   问题解决来源 https://github.com/tensorflow/tensorflow/issues/24828

才疏学浅，如有问题请多指教！