jstson nano 学习日志（六）

3 深度学习与jeston nano

3.1 笔记本环境搭建

考虑到日后编写从程序需要移植到jeston nano上面，这里在选择深度学习框架的时候我更偏向于工程性更强的tensorflow。pytorch则倾向于学术，两者的移植方法其实是类似的。我参考了如下博客的搭建教程，然而这个博客的一些细节有问题

https://blog.csdn.net/weixin_48270094/article/details/121502526

首先是创建环境，指令如下

conda create -n tensorflow1 python=3.8

这条指令原博主在写的时候没有加等号（2022.2.22日阅读），所以运行效果如下，说明找不到包，报错如下图所示。

 我查了好久的错才发现问题在等号上，我们加上再进行安装，输入指令。可以查看到我们已经创建的虚拟环境。

conda info -e

 

之后我们切换到tensorflow的环境，按照博客的指引安装有英伟达SDK等等，如下图所示。

conda activate tensorflow1

conda install cudatoolkit=10.1

conda install cudnn=7.6

pip install tensorflow==2.2

 

该下的都下完之后进入python环境测试一下安装状况，入下图所示，显然安装成功了。

测试语句：

import tensorflow as tf

tf.__version__

 

之后进入pycharm中添加我们新建的这个环境，如下图所示。第一次使用需要找到环境对应的路径，以后再使用就可以直接切换了。

 

3.2 nano环境搭建tensorflow 2.6

这块网上的资源相对较少，我安装淘宝卖家的教程装了几遍都没有成功报各种错，所以我建议按照英伟达官网的按照教程进行操作。

https://docs.nvidia.com/deeplearning/frameworks/install-tf-jetson-platform/index.html#install

引起错误的主要原因是jeston nano的版本和tensorflow的依赖包版本不匹配，少各种包，有同样错误的同学我不建议再去把缺了的包一个一个下一遍。因为我按照这种思路调试了一天都没有装上，最主要的报错为：

Building wheel for h5py (pyproject.toml) ...error

No matching distribution found for h5py

输入一下的指令查看jetpack的版本，这个版本为目前使用的版本，把全家桶升级了一遍之后依旧安不上。

sudo apt-cache show nvidia-jetpack

查询效果如下图所示。

 

我最后的解决方式是重新换一个系统，没错我直接换了一张存储卡，上面又之前商家装的系统。然后首先是一个全局的升级，然后安装了几个包。

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

sudo apt-get install python3-pip

sudo pip3 install -U pip testresources setuptools==49.6.0

sudo pip3 install -U --no-deps numpy==1.19.4 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

sudo env H5PY_SETUP_REQUIRES=0 pip3 install -U h5py==3.1.0

之后官网的建议是在线下载，如果网速不好也可以离线安装，我使用的版本是：

tensorflow-2.6.0+nv21.9-cp36-cp36m-linux_aarch64

为了方便大家下载我已经上传到了网盘，注意只有4.6以上jetpack版本的nano才适合下载的这个版本的tensorflow,升级的方式我已经再前面的日志中讲过了，网盘地址如下：链接：https://pan.baidu.com/s/1xPOzMjJypoRQbhWSv-uVqg

提取码：9rvi

使用了新镜像之后，我们的系统便可以正常工作了，安装新版本的依赖会自动把就版本的卸载掉。我们直接升级即可。

 

输入如下指令进行离线的安装，注意要在安装文件的文件夹下。可见旧版本的已经被卸载，新版本的成功安装。

pip3 install xxx.whl

 

最后我们测试一下安装的tensorflow,可见2.6.0版本的tensorflow已经成功安装了。