如何在Seeed Studio Nvidia Jetson上安装PyTorch，超详细超全的所有Jetson和Jetpack版本均适用

如何在Seeed Studio reComputer Nvidia Jetson上安装PyTorch，超详细超全的所有Jetson和Jetpack版本均适用

所有教程都免费开源，请动动小手点个小星星https://github.com/ZhuYaoHui1998/reComputer-Jetson-for-Beginners/tree/main

设置环境

• JetPack 5/6:
  确保在您的设备上安装了NVIDIA JetPack 5或6。JetPack包含在NVIDIA Jetson平台上开发所需的库和工具。
  可以输入一下内容进行一键安装

  sudo apt-get update
  sudo apt-get install nvidia-jetpack
  

• CUDA:
  验证CUDA是否已安装并正确配置。PyTorch依赖CUDA进行GPU加速。确保已安装的CUDA版本与您计划安装的PyTorch版本兼容。

使用 .whl 文件安装PyTorch

要在指定的JetPack和CUDA版本上将PyTorch安装到您的reComputer J3010，请按照以下步骤操作：

1. 下载PyTorch Wheel文件

根据您的JetPack和CUDA版本选择正确的Wheel文件：

• JetPack 6.0 (L4T R36.2 / R36.3) + CUDA 12.2:

  • PyTorch 2.3

• JetPack 6.0 (L4T R36.2 / R36.3) + CUDA 12.4:

  • PyTorch 2.3

• JetPack 6.0 DP (L4T R36.2.0):

  • PyTorch 2.2.0
  • PyTorch 2.1.0

• JetPack 5.x:

  • JetPack 5.1 (L4T R35.2.1) / JetPack 5.1.1 (L4T R35.3.1) / JetPack 5.1.2 (L4T R35.4.1):
    • PyTorch 2.1.0
  • JetPack 5.1 (L4T R35.2.1) / JetPack 5.1.1 (L4T R35.3.1):
    • PyTorch 2.0.0
    • PyTorch 1.14.0
  • JetPack 5.0 (L4T R34.1) / JetPack 5.0.2 (L4T R35.1) / JetPack 5.1 (L4T R35.2.1) / JetPack 5.1.1 (L4T R35.3.1):
    • PyTorch 1.13.0
    • PyTorch 1.12.0
    • PyTorch 1.11.0

• JetPack 4:

  • JetPack 4.4 (L4T R32.4.3) / JetPack 4.4.1 (L4T R32.4.4) / JetPack 4.5 (L4T R32.5.0) / JetPack 4.5.1 (L4T R32.5.1) / JetPack 4.6 (L4T R32.6.1)
    • Pytorch 1.10.0
    • Pytorch 1.9.0
    • Pytorch 1.8.0
    • Pytorch 1.7.0
    • Pytorch 1.6.0
    • Pytorch 1.5.0
    • Pytorch 1.4.0
    • Pytorch 1.3.0
    • Pytorch 1.2.0
    • Pytorch 1.1.0
    • Pytorch 1.0.0

2. 安装Wheel文件

1. 打开终端:

   • 导航到您下载.whl文件的目录。

2. 安装:

   sudo apt-get install python3-pip libopenblas-base libopenmpi-dev libomp-dev
   pip3 install 'Cython<3'
   pip3 install numpy
   sudo pip3 install <filename>.whl
   

   将 <filename> 替换为下载的 .whl 文件的名称。

   

3. 验证安装

1. 检查安装:
   打开Python并运行以下命令进行验证：

   import torch
   print(torch.__version__)
   

   这将打印已安装的PyTorch版本。

4. 可选 - 安装其他库

1. 安装Torchvision:
   • 安装依赖项

     sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libopenblas-dev libavcodec-dev libavformat-dev libswscale-dev
     

   • 要克隆与您的PyTorch版本兼容的torchvision包，请按照以下步骤操作。用您安装的PyTorch版本替换 <version>。

     git clone --branch <version> https://github.com/pytorch/vision torchvision
     

     PyTorch和相应的torchvision版本

     PyTorch v1.0 - torchvision v0.2.2
     PyTorch v1.1 - torchvision v0.3.0
     PyTorch v1.2 - torchvision v0.4.0
     PyTorch v1.3 - torchvision v0.4.2
     PyTorch v1.4 - torchvision v0.5.0
     PyTorch v1.5 - torchvision v0.6.0
     PyTorch v1.6 - torchvision v0.7.0
     PyTorch v1.7 - torchvision v0.8.1
     PyTorch v1.8 - torchvision v0.9.0
     PyTorch v1.9 - torchvision v0.10.0
     PyTorch v1.10 - torchvision v0.11.1
     PyTorch v1.11 - torchvision v0.12.0
     PyTorch v1.12 - torchvision v0.13.0
     PyTorch v1.13 - torchvision v0.13.0
     PyTorch v1.14 - torchvision v0.14.1
     PyTorch v2.0 - torchvision v0.15.1
     PyTorch v2.1 - torchvision v0.16.1
     PyTorch v2.2 - torchvision v0.17.1
     PyTorch v2.3 - torchvision v0.18.0
     

   • 安装

     cd torchvision
     export BUILD_VERSION=0.x.0  # 其中0.x.0是torchvision版本  
     python3 setup.py install --user
     cd ../  # 尝试从构建目录加载torchvision会导致导入错误
     pip install 'pillow<7' # Python 2.7始终需要，Python 3.6不需要torchvision v0.5.0+
     

验证安装

• 要验证PyTorch是否已正确安装在您的系统上，请从终端启动交互式Python解释器并运行以下命令：

  import torch
  print(torch.__version__)
  print('CUDA available: ' + str(torch.cuda.is_available()))
  print('cuDNN version: ' + str(torch.backends.cudnn.version()))
  a = torch.cuda.FloatTensor(2).zero_()
  print('Tensor a = ' + str(a))
  b = torch.randn(2).cuda()
  print('Tensor b = ' + str(b))    
  c = a + b
  print('Tensor c = ' + str(c))
  

  import torchvision
  print(torchvision.__version__)
  

参考链接🔧

• Seeed Studio Github
  Nvidia 官方安装Pytorch
• 一键部署项目: Jetson examples
• Jetson 小白到大师课程

内容贡献者

Seeed Studio–Zhu Yaohui