这是用来从系统安装到部署Tensorflow(2.3.1)、Pytorch(1.8.0)、paddlepaddle(2.1.0)的文章
1.系统安装及配置部分
Jetson Nano开发者套件入门
下载 Jetson Nano 开发者套件 SD 卡镜像,以及相关烧录软件,进行镜像烧录。推荐32G卡以上(系统一开始占掉14G)
烧录完成后进入系统完成Ubuntu的首次开机设置
增加交换空间大小
由于显存内存共享,即使本身设置有2G的交换空间,建议还是多增加2G。
-
增加2G交换空间
sudo fallocate -l 2G /swapfile
-
所有用户都可以读写swap file,设置正确的权限
sudo chmod 666 /swapfile
-
设置交换空间
sudo mkswap /swapfile
-
激活交换空间
sudo swapon /swapfile
为了使这个激活永久有效
sudo vi /etc/fstab
打开文件在最末尾粘贴
/swapfile swap swap defaults 0 0
-
验证增加空间是否有效
sudo swapon --show
sudo free -h
删除不必要的软件以节省空间
sudo apt-get purge libreoffice*
sudo apt-get clean
更新一下软件源:
sudo apt-get update
如果更新太慢或者更新失败的话就需要更换安装源(我这里不需要更换)
更新软件:
sudo apt-get update
添加nvcc -V 到环境
sudo vim ~/.bashrc
在文件末尾添加三行代码:
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export CUDA_ROOT=/usr/local/cuda
保存退出再输入命令:
source ~/.bashrc
验证一下,查看CUDA版本:
nvcc -V
2.为安装深度框架的准备软件
安装重要的软件包
sudo apt-get install build-essential make cmake cmake-curses-gui
sudo apt-get install git g++ pkg-config curl zip zlib1g-dev libopenblas-base libopenmpi-dev
sudo apt-get install libatlas-base-dev gfortran libcanberra-gtk-module libcanberra-gtk3-module
sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev
sudo apt-get install nano locate screen
sudo apt-get install libfreetype6-dev
sudo apt-get install protobuf-compiler libprotobuf-dev openssl
sudo apt-get install libssl-dev libcurl4-openssl-dev
sudo apt-get install cython3
sudo apt-get install libxml2-dev libxslt1-dev
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install libxvidcore-dev libavresample-dev
sudo apt-get install libtiff-dev libjpeg-dev libpng-dev
sudo apt-get install -y python3-dev python3-testresources python3-setuptools python3-pip
python3 -m pip3 install --upgrade pip
默认python命令指向python3
update-alternatives --install /usr/bin/python python /usr/bin/python2.7 1
update-alternatives --install /usr/bin/python python /usr/bin/python3.6 2
系统工具jtop和nvidia-smi的结合
可以同时查看Jetson Nano的CPU和GPU资源以及温度
sudo -H pip install jetson-stats
sudo jtop
3.安装Tensorflow-gpu 2.3.1版本
安装机器学习常用包
sudo apt install python3-scipy -y
sudo apt install python3-pandas -y
sudo apt install python3-sklearn -y
sudo apt install python3-seaborn -y
检测CUDA是否正常安装
nvcc -V
安装HDF5
sudo apt install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran
安装python依赖包
sudo pip3 install -U numpy==1.18.5 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
安装tensorflow-gpu
sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow
测试tensorflow
import tensorflow as tf
# 输出提示:tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcudart.so.10.2
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
# 输出结果:
# tf.Tensor(3.0, shape=(), dtype=float32)
print('GPU:', tf.test.is_gpu_available())
# 输出最后一句为:
# GPU: True
安装Keras
sudo pip3 install keras
完成
4.安装Pytorch 1.8.0
需要下载nvidia提供的pytorch安装文件
已上传到网盘自行下载:
链接:https://pan.baidu.com/s/1B42hAHZVduoZmc1A1h3AkA
提取码:bi46
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
pip3 install Cython
pip3 install numpy
pip3 install numpy torch-1.8.0-cp36-cp36m-linux_aarch64.whl
测试是否安装成功
import torch
print(torch.__version__)
print('CUDA available: ' + str(torch.cuda.is_available()))
a = torch.cuda.FloatTensor(2).zero_()
print('Tensor a = ' + str(a))
安装 torchvision
说明地址:https://github.com/pytorch/vision
sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
因为我安装的是1.8.0的pytorch,对应 torchvision 版本是0.9.0
手动去这个地址下载相关版本代码包,解压后进入文件夹
export BUILD_VERSION=0.9.0
sudo python3 setup.py install
测试是否安装成功
import torchvision
print(torchvision.__version__)
5.安装paddlepaddle-gpu 2.0.0(TensorRT可用)
下载编译好的paddlepaddle
然后pip安装Jetson Nano版本的Paddle Inference。(也可进行源码编译安装)
参考:https://blog.csdn.net/weixin_45449540/article/details/107704028
pip install paddlehub