Jetson nano AI环境配置、Tensorflow2.2.0安装、keras安装

一、准备工作

1.更新源

sudo apt-get update
sudo apt-get full-upgrade

在过程中输入Y确认更新。第二个过程时间根据网络情况可能会花2个小时左右，请耐心等待。
2.检查已经安装的系统组件
(1) 安装JTOP查看可查CPU等的占用情况

sudo apt-get update
sudo apt-get full-upgrade
sudo apt install curl
sudo apt install nano
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py # 下载安装脚本
sudo python3 get-pip.py # 运行安装脚本
sudo pip3 install jetson-stats
jtop

(2) 检查CUDA
Jetson-nano中已经安装了CUDA10.2版本，但是此时你如果运行 nvcc -V是不会成功的，需要你把CUDA的路径写入环境变量中。OS中自带Vim工具 ，所以运行下面的命令编辑环境变量

首先，查看cuda的bin目录下是否有nvcc：

ls /usr/local/cuda/bin

如果存在，执行下面的命令

sudo vim ~/.bashrc进入配置文件； 在最后面添加以下两行：
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

然后需要source下生效下。

source ~/.bashrc

source后，此时再执行nvcc -V执行结果显示CUDA版本号，说明成功配置。

(3）检查OpenCV
Jetson-nano中已经安装了OpenCV4.1.1版本，可以使用命令检查OpenCV是否安装就绪

pkg-config opencv4 --modversion

（4）检查cuDNN
Jetson-nano中已经安装好了cuDNN，并有例子可供运行，我们运行一下例子，也正好验证上面的CUDA

cd /usr/src/cudnn_samples_v8/mnistCUDNN/ #进入例子目录
sudo make     #编译一下例子
./mnistCUDNN # 执行
#如果以上无法运行可以添加权限如下方法：
sudo chmod a+x mnistCUDNN # 为可执行文件添加执行权限

二、安装Tensorflow GPU

1. 安装pip

sudo apt-get install python3-pip python3-dev
python3 -m pip install --upgrade pip  #升级pip
sudo vim /usr/bin/pip3   #打开pip3文件

将原来的
from pip import main
if name == ‘main’:
sys.exit(main())

改成

from pip import __main__

if __name__ == '__main__':

    sys.exit(__main__._main())

修改结束后保存。运行pip3 -V成功后显示
2. 安装那些机器学习领域非常重要的包

sudo apt-get install python3-numpy
sudo apt-get install python3-scipy
sudo apt-get install python3-pandas
sudo apt-get install python3-matplotlib
sudo apt-get install python3-sklearn

3. 安装TensorFlow GPU版
   （1）确认CUDA已经被正常安装

nvcc -V

如果能看到CUDA版本号，即为正确安装
安装所需要的包

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

安装python的依赖项

sudo pip3 install -U numpy==1.16.1 future==0.18.2 mock==3.0.5 h5py==2.10.0 keras_preprocessing==1.1.1 keras_applications==1.0.8 gast==0.2.2 futures protobuf pybind11

（2）安装TensorFlow GPU版本

sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow

（3）完成安装,输入以下指令检测tensorflow是否成功安装

python

import tensorflow as tf
tf.__version__
#查询tensorflow安装路径为:
tf.__path__
#测试Tensorflow能否调用GPU
ipython
import tensorflow as tf
tf.test.is_gpu_available()

4. 安装Keras

sudo pip3 install keras