Jetson_nano开发板AI环境配置步骤
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
- 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
- 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()
- 安装Keras
sudo pip3 install keras