TX2 创建自己的深度学习环境全流程向攻略（二）使用pycharm实现神经网络

在我的上一篇文章中，我们在TX2上实现了刷机操作，对TX2的系统进行了更新，同时安装了部分利用tensorflow框架的深度神经网络。可以在终端通过输入指令

sudo pip list 

输入指令后，可以查看已经在TX2上安装好的python的环境。

这里需要注意一下，我们很多的神经网络都是使用opencv-python依赖库，这里却没有显示，可能会有同学觉得需要
接下来我们在终端输入python，在终端先行使用python，发现这里程序默认的是python2.5的版本，和我们现在大多数的Python3.X的版本不太相同，所以需要将默认的Python版本进行修改，使用python3.X的版本进行运行。这里NVIDIA想得很周到，已经在系统里同时安装了两个版本，只需要修改一下就行了。在终端输入指令：

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
 
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
sudo update-alternatives --config python

按照自己的需要更新系统默认的python版本配置就可以了。我们此时再在终端输入python指令，就可以看到此时的python版本是我们所需要的3.X版本了。如下图所示
然后我们在python环境下import一下深度神经网络最需要的tensorflow与opencv依赖库。

我们可以看到，虽然在之前的pip list之中没有出现opencv-python这个库，但是我们依然可以正常导入，这就是我们之前在SDKmanager的时候进行了安装，如果在那个时候没有选的话，这个时候会有点麻烦，具体安装的过程大家可以别的大神的安装方式。（虽然我推荐直接重新刷机安装，那样更简单更省心一些。）
虽然在我这里import之后，没有报错或者是警告，但是第一次导入的小伙伴在导入tensorflow的时候可能会报错，那是因为SDKmanager在安装numpy这个常用的依赖库的时候默认安装了最高版本的，也就是17.X版本的numpy，但是tensorflow并不需要那么高版本的，我们在退出python环境后，通过终端输入指令：

sudo pip install numpy==16.0.0

就可以将numpy还原回到16的版本，这个时候再import自己的tensorflow依赖库就没有问题了。
同时，有的同学可能和我一样在神经代码网络中使用scipy这个函数库，但是在TX2的SDKmanager中，其实并没有安装这个库，还需要自己安装。一般的通过pip直接安装的scipy的方式并不能实现scipy的安装，查过了很多资料后，大家可以通过下面这个代码实现scipy库的安装：

sudo apt-get install python3-scipy  

虽然名字和我们一般在python使用的不太一样，但是无论是在import还是在实际使用的时候，都可以当成普通的scipy进行使用，不用担心。
虽然通过终端的python已经可以实现神经网络的代码了，但是为了更加方便和直观的调试代码和查看代码打印的信息，我在TX2上安装了pycharm编译器，方便对自己的神经网络代码进行操作。

JDK安装

在安装pycharm之前，我们需要现在TX2上安装一个叫做JDK的环境变量，在安装了JDK之后才能正常使用pycharm编译器。 安装JDK步骤：
1.先将下面代码输入到中断中：

apt-cache search openjdk
sudo apt-get install openjdk-8-jdk

然后等待安装结束
2.输入代码，查看JDK是否安装成功：

java -version

3.将JDK配置到TX2的系统环境当中，输入代码：

which javac //查找javac可执行文件
file /usr/bin/javac // 查看链接目标
file /etc/alternatives/javac // 查看链接目标
file /usr/lib/jvm/java-8-openjdk-arm64/bin/javac

4.编译环境，输入代码

sudo gedit ~/.bashrc

将下面的代码粘贴到文件的最末尾的地方：

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-arm64
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

5.输入代码，更新系统环境：

source ~/.bashrc

Pycharm安装

1.下载pycharm。 这样JDK的环境就配好了，之后再在pycharm的官网上下载，pycharm的linux版本。官网下载地址：
Pycharm官网下载地址

2.解压所下载文件，进入所解压文件夹pycharm-community-2018.1/bin 目录下
输入“sh ./pycharm.sh” 开始安装，进行相应的配置（直接选下一步即可），完毕。
完后没有相应的启动图标，每次都要找到pycharm.sh所在的文件夹，执行./pycharm.sh，非常麻烦。最好能创建一个快捷方式。
Ubuntu的快捷方式都放在/usr/share/applications，打开终端，键入：

sudo -i 
sudo gedit /usr/share/applications/Pycharm.desktop 

然后在打开的文档中输入以下内容，注意Exec和Icon需找到正确的完整路径，即分别对应 pycharm.sh和pycharm.png 的路径。

[Desktop Entry] 
Type=Application 
Name=Pycharm 
GenericName=Pycharm3 
Comment=Pycharm3:The Python IDE 
Exec=”/XXX/pycharm-community-2018.1/bin/pycharm.sh” %f 
Icon=/XXX/pycharm-community-2018.1/bin/pycharm.png 
Terminal=pycharm 
Categories=Pycharm;

然后再到/usr/share/applications中会出现相应的启动图标，进入后锁定到启动器即可。

3.配置Python3.X运行环境
file->settings->Project->Project Interpreter

点击右上角小齿轮->add->system Interpreter，选择python3.5，点击OK。

这样整个在TX上实现自己的神经网络的流程就实现了。下面给大家展示我配置的成果。