流程如下:
- 安装sogo输入法
- 安装ssh软件
- 安装nvidia-smi
- 配置CUDA
- 安装nvidia-smi
- 安装 python3-pip python3-dev
- 安装conda
- 安装pytorch
- 安装tensorflow
10.安装JDK
11.安装Pycharm - 配置v2raya
输入法安装
使用Linux必备中文输入法搜狗输入法
https://pinyin.sogou.com/linux/
ssh软件安装
安装一个不开源的国产软件,Finalshell,使用安装脚本进行安装
rm -f finalshell_install_linux.sh ;wget www.hostbuf.com/downloads/finalshell_install_linux.sh;chmod +x finalshell_install_linux.sh;./finalshell_install_linux.sh
安装过程很顺利,但是不知道什么原因打不开,更换Putty
apt-get install putty
Putty的复制粘贴使用鼠标中建
nvidia-smi
Jetson Nano查看CPU\GPU\内存使用率
jetson nano 虽然是ubuntu系统,但不能使用nvidia -smi来查看CPU和GPU的使用情况
总结解决办法:
1.jetson-stats状态查看器
相关链接: http://www.gpus.cn/gpus_list_page_techno_support_content?id=102
安装命令:
命令:sudo -H pip3 install jetson-stats
更新版本
命令:sudo -H pip3 install -U jetson-states
jtop实时查看和控制JetsonNano的状态,如CPU、RAM、GPU的状态等
命令:sudo jtop
jetson-releas
NVIDIA Jetson所有信息,包括jetsonNano的硬件型号、jetpack的版本、CUDA、openCV、TensorRT版本等
2.top命令
实时显示 process 的动态
3.free命令
free -m
free -h
free
都是用来查看内存的
相关参数:
total: 内存总数
used: 已经使用内存数
free: 完全空闲内存
shared: 多个进程共享的内存
buffers: 用于块设备数据缓冲,记录文件系统metadata(目录,权限,属性等)
cached: 用于文件内容的缓冲
available:真正剩余的可被程序应用的内存数
配置CUDA
目前并不知道驱动的下载地址,NVIDIA系统已经安装好了JetPack,cuda,cudaa,OpenCV等组件,不过需要修改下环境变量才可以使用
利用vim打开 ~ 路径下.bashrc文件:
sudo vim ~./bashrc
文件的最后添加以下三行:
export PATH=/usr/local/cuda-10.0/bin: P A T H e x p o r t L D L I B R A R Y P A T H = / u s r / l o c a l / c u d a / l i b 64 : PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64: PATHexportLDLIBRARYPATH=/usr/local/cuda/lib64:LD_LIBRARY_PATH
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0
输入nvcc -V命令进行测试,如果显示如下信息,证明修改正确。
官方镜像安装的系统中自带了一些案例,利用已有的案例进行测试。
cd /usr/src/cudnn_samples_v7/mnistCUDNN
sudo make
sudo chmod a+x mnistCUDNN
./mnistCUDNN
如果报错atal error: FreeImage.h
sudo apt-get install libfreeimage3 libfreeimage-dev
安装pip
如果发现报不能导入’main’错误,
dnano@dnano-desktop:~$ sudo pip3 install sklearn
Traceback (most recent call last):
File “/usr/bin/pip3”, line 9, in
from pip import main
ImportError: cannot import name ‘main’
打开路径 "/usr/bin/"下的pip3文件,
将内容
from pip import main
if name == ‘main’:
sys.exit(main())
修改为:
from pip import main
if name == ‘main’:
sys.exit(main._main())
安装conda
index of miniconda
搜索 aarch64 并下载
bash Miniconda-latest-Linux-armv7l.sh
安装完成自动添加环境变量进.bashrc
sudo nano /home/pi/.bashrc # -> add: export PATH="/home/pi/miniconda3/bin:$PATH"
运行Ctrl + x
安装Pytorch
下载地址
地址1
地址2
地址3
下载以后,执行以下命令安装:
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
pip3 install Cython
pip3 install numpy
pip3 install numpy torch-1.7.0-cp36-cp36m-linux_aarch64.whl
安装tensorflow
4.安装GPU版tensorflow
(1)安装一些依赖
sudo apt-get install libhdf5-serial-dev hdf5-tools
(2)安装GPU版本的tensorflow
pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu==1.13.1+nv19.3 --user
(3)tensorflow测试
找些测试代码即可,这里用gpu计算常数加法的小例子进行测试。
import tensorflow as tf
with tf.device(’/cpu:0’):
a = tf.constant([1.0,2.0,3.0],shape=[3],name=‘a’)
b = tf.constant([1.0,2.0,3.0],shape=[3],name=‘b’)
with tf.device(’/gpu:1’):
c = a+b
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run©)
5.安装机器学习常用的python库
sudo apt-get install python3-numpy
sudo apt-get install python3-scipy
sudo apt-get install python3-pandas
sudo apt-get install python3-matplotlib
sudo apt-get install python3-sklear
安装JDK
下载地址 需要登录甲骨文帐号
选Java (JDK) for Developers-》JDK Download 网上建议下载8或者11版本,最新的15好像不兼容
解压,不需要安装,直接配置环境变量
export JAVA_HOME=/usr/lib/jdk
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=.:${JAVA_HOME}/bin:$PATH
java -version测试通过,但是解压后文件夹里并没有看到jre文件
这一步还没有执行, sudo apt-get install default-jdk 安装一些文件
安装pycharm
从官网下载pycharm的安装包–选择linux版本
解压后进入bin目录
sh ./pycharm.sh 进入图形化安界面,安装完成后也是这么打开。