Jetson nano 安装 Tensorflow1.13、Tensorflow2.0 和运行 TensorRT

安装步骤

0、安装 Jetpack

Jetpack 可以在官网上下载，下载的版本需要和想要安装的 Tensorflow 版本相对应：

1、把 CUDA 的路径写入环境变量中

利用 gedit 打开 ~ 路径下 .bashrc 文件：

sudo gedit ~/.bashrc

文件的最后添加以下三行（里面的10.0要看CuDA的版本）：

export PATH=/usr/local/cuda-10.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0

重新执行 .bashrc 文件，直接生效：

source ~/.bashrc

输入 nvcc -V 命令进行测试，如果显示如下信息，证明修改正确。

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_21:14:42_PDT_2019
Cuda compilation tools, release 10.2, V10.2.89

2、安装中文输入法

sudo apt-get install fcitx-googlepinyin -y

安装完成后，在 ubuntu 右上角的系统设置里面点击【语言支持】，选择 fcitx。
在终端输入 reboot 重启
点击右上方小键盘可以看到有中文输入法了。

3、安装 pip

sudo apt-get install python3-pip

4、安装一些必要的库

下面这些库可以一起安装，不会报错。

sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev

5、升级 pip3 版本

查看 pip3 的版本：

pip3 -V

要是版本不够，就升级一下：

sudo pip3 install -U pip

6、安装 numpy 库

需要先升级 protobuf 版本至 3.3.0：

sudo pip3 install protobuf==3.3.0

安装 numpy：

sudo pip3 install -U numpy

7、安装一些必要的库

下面这些库可以一起安装，不会报错。

sudo pip3 install -U grpcio absl-py py-cpuinfo psutil portpicker six mock requests gast astor termcolor protobuf keras-preprocessing wrapt google-pasta

8、安装 h5py 包

直接 sudo pip3 install -U h5py 会报错，我们需要按以下步骤来装：

git clone https://github.com/h5py/h5py
cd h5py
sudo python3 setup.py install

【注】要是之后会因为 h5py 报错，就先卸载再重装即可：

sudo pip3 uninstall h5py
sudo pip3 install h5py

9、安装 keras-applications 包

这个包需要在安装完 h5py 包之后才能正常安装。

sudo pip3 install -U keras-applications

10、安装 future 包

sudo pip3 install -U future

11、安装 scipy 包

直接安装 scipy 包的时候会报错，这里使用 scipy 的编译文件来安装。

下载 scipy 的编译文件：
链接：https://pan.baidu.com/s/1VdsNq-ETnIlN5mG8rJXDKw 提取码：6cnb

sudo pip3 install scipy-1.4.1-cp36-cp36m-linux_aarch64.whl

12、安装 setuptools 和 testresources 包

sudo pip3 install -U setuptools testresources

13、检查相应库的版本

最后检查一遍相应库的版本看是否满足安装 Tensorflow 的条件。

检查相应库的版本：

pip3 list

安装 Tensorflow 的条件：

numpy==1.16.1, future==0.17.1, mock==3.0.5, h5py==2.9.0, gast==0.2.2, keras_preprocessing==1.0.5, keras_applications==1.0.8, scipy==1.4.1

14、安装 Tensorflow 包

下载 Tensorflow1.13 或 Tensorflow2.0 的编译文件：

Tensorflow1.13：
链接：https://pan.baidu.com/s/17Iq4XXfSR4CDDiQS6NAlOA 提取码：2fy3

sudo pip3 install -U tensorflow_gpu-1.13.1+nv19.3-cp36-cp36m-linux_aarch64.whl

Tensorflow2.0：
链接：https://pan.baidu.com/s/19YReceD2QxgcUwmxgZBqdA 提取码：o2yh

sudo pip3 install -U tensorflow_gpu-2.0.0+nv19.11-cp36-cp36m-linux_aarch64.whl

【注】如果安装的是 Tensorflow2.1 版本，你会发现运行

tf.__version__

时会报错，设计者可能编译掉了，2.1 版本都是默认使用 v1 的模式，要使用 v2 模式的话，要在程序最前边加入：

import tensorflow.compat.v2 as tf
import tensorflow.compat.v2.keras as keras
tf.enable_v2_behavior()

15、安装 matplotlib 包

sudo apt install python3-matplotlib

16、安装 pillow 包

sudo pip3 install pillow==6.2.2

17、安装 keras 包

sudo apt-get install python3-keras

18、安装 pycuda 包

先下载 pycuda 文件。

cd pycuda-2019.1.2/  
python3 configure.py --cuda-root=/usr/local/cuda-10.0  # 这里的 10.0 要看 CuDA 的版本
sudo python3 setup.py install

将 nvcc 的完整路径硬编码到 pycuda 文件夹下的 compiler.py 文件中的 compile_plain() 中，大约在第 73 行的位置中加入下面这段代码。

nvcc = '/usr/local/cuda/bin/'+nvcc

到这里，TensorRT 就可以被运用到 Tensorflow 的代码中了。

报错解决

问题一

E: 无法获得锁 /var/lib/dpkg/lock-frontend - open (11: Resource temporarily unavailable)
E: Unable to acquire the dpkg frontend lock (/var/lib/dpkg/lock-frontend), is another process using it?

这个问题是说有 apt-get 进程正在运行，应该是因为之前下载包的时候按 Ctrl+z 强制停止安装造成的，一般我们重启电脑就能运行了。

sudo reboot

问题二

E: 无法定位软件包 XXX

如果不是因为输错了包的名称的话，那就升级一下 apt-get 就行了。

sudo apt-get update