NVIDIA Jetson nano安装pytorch、torchvision

 本文主要描述我在使用Jetson Nano设备部署YOLOv5目标检测时遇到的Pytorch的安装问题

本方法主要是从PyTorch for Jetson - Jetson Nano - NVIDIA Developer Forums中找到的解决方法，如果遇到什么问题可以从该网站中找到解决办法。

首先要根据自己Jetson Nano安装的JetPack版本下载对应版本的Pytorch

Pytorch版本	JetPack版本
v1.0.0	JetPack 4.2	JetPack 4.3
v1.1.0	JetPack 4.2	JetPack 4.3
v1.2.0	JetPack 4.2	JetPack 4.3	JetPack 4.4 Developer Preview (L4T R32.4.2)
v1.3.0	JetPack 4.2	JetPack 4.3	JetPack 4.4 Developer Preview (L4T R32.4.2)
v1.4.0	JetPack 4.2	JetPack 4.3	JetPack 4.4 Developer Preview (L4T R32.4.2)
v1.5.0			JetPack 4.4 Developer Preview (L4T R32.4.2)
v1.6.0	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)
v1.7.0	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)	etPack 4.6 (L4T R32.6.1)
v1.8.0	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)
v1.9.0	JetPack 4.6 (L4T R32.6.1)	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)
v1.10.0	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)
v1.11.0	JetPack 5.0 (L4T R34.1.0)	JetPack 5.0.1 (L4T R34.1.1)	JetPack 5.0.2 (L4T R35.1.0)
v1.12.0	JetPack 5.0 (L4T R34.1.0)	JetPack 5.0.1 (L4T R34.1.1)	JetPack 5.0.2 (L4T R35.1.0)

Pytorch版本全部支持Python3.6版本，在v1.4.0版本以后不再支持Python2.7版本（v1.4.0支持Python2.7版本）

根据JetPack版本的不同下载对应的Pytorch版本

Python3.6：（以v1.8.0版本为例，更改为自己想要下载的版本）

wget https://nvidia.box.com/shared/static/p57jwntv436lfrd78inwl7iml6p13fzh.whl -O torch-1.8.0-cp36-cp36m-linux_aarch64.whl
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev libomp-dev
pip3 install Cython
pip3 install numpy torch-1.8.0-cp36-cp36m-linux_aarch64.whl

Python2.7：（以v1.4.0版本为例，更改为自己想要下载的版本）

wget https://nvidia.box.com/shared/static/1v2cc4ro6zvsbu0p8h6qcuaqco1qcsif.whl -O torch-1.4.0-cp27-cp27mu-linux_aarch64.whl
sudo apt-get install libopenblas-base libopenmpi-dev
pip install future torch-1.4.0-cp27-cp27mu-linux_aarch64.whl

 验证Pytorch是否安装成功

在终端输入python（Python2.7版本）或者python3（Python3.6版本）进入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))

运行以上命令不会报错则说明Pytorch安装成功，接下来安装对应版本的torchvision

Pytorch版本与torchvision版本对应

Pytorch版本	torchvision版本
v1.0.0	v0.2.2
v1.1.0	v0.3.0
v1.2.0	v0.4.0
v1.3.0	v0.4.2
v1.4.0	v0.5.0
v1.5.0	v0.6.0
v1.6.0	v0.7.0
v1.7.0	v0.8.1
v1.8.0	v0.9.0
v1.9.0	v0.10.0
v1.10.0	v0.11.1
v1.11.0	v0.12.0
v1.12.0	v0.13.0

运行以下命令安装torchvision：

sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
git clone --branch <version> https://github.com/pytorch/vision torchvision    # <version>为想要下载的torchvision版本
cd torchvision
export BUILD_VERSION=0.x.0            # 0.x.0 是 torchvision 版本  
python3 setup.py install --user
cd ../                                # 尝试从构建目录加载 torchvision 将导致导入错误
pip install pillow                    # Python2.7版本要求pillow<7

验证torchvision是否安装成功：

在终端输入python（Python2.7版本）或者python3（Python3.6版本）进入python解释器并运行以下命令：

>>> import torchvision
>>> print(torchvision.__version__)

打印的版本为安装的版本说明torchvision安装成功

在安装过程中如果有下载很慢的情况，建议先换源，教程网上资料很多，如果有其他报错发生，在PyTorch for Jetson - Jetson Nano - NVIDIA Developer Forums网站中也有一些错误的解决办法，也可以留言给我

---

如有雷同，实属巧合，欢迎交流。