AGX安装相关依赖(conda/pytorch/python)

---

前言

上文主要讲了使用Nvidia SDK manager 烧录系统及JETPACK软件包，本文主要将安装相关依赖并部署yolo算法。

---

一、安装Anaconda

Anaconda是一个包管理工具，这个工具的强大之处在于，甚至不止跨越了Python，还能在某种程度上完全隔离出一个底层环境。较为方便切换python版本等，并对所安装的依赖项进行管理，较为使用。

（不建议在系统自带的python环境进行任何折腾，血与泪的教训...隔离环境非常重要！！）

由于AGX为aarch（Arm64）架构，常用的基于X86架构的软件安装包就不可用。

由于Anaconda在官网上并和没有发布Arm64架构的软件包，不过在github上找到了源码，可以直接在此下载安装包：

Archiconda安装包

redme文件有详细的安装步骤，会装一个基本的环境。

1.使用conda创建虚拟环境(环境名为py3.6，可以自己命名)：

conda create --name py3.6 python=3.6

2.进入/退出conda创建的环境py3.6

# 进入conda创建的环境py3.6
conda activate py3.6
# 退出conda创建的环境py3.6
conda deactivate

3.查看当前环境安装的包

conda list

4.安装/删除包

conda install ***
conda uninstall ***

5.查看现有的虚拟环境列表

conda info -e
# 查看当前环境的详情
conda info

 

二、AGX安装torch

安装torch前一定要查看CUDA版本,版本不适用的话torch就无法使用CUDA加速，只能跑GPU

CUDA与pytorch版本对照表：

 Jetpack与CUDA版本对照表：

jetpack版本	CUDA版本
4.5.1	10.2
4.5	10.2
4.4.1	10.2

 本文使用的硬件设备为AGX，安装jetpack版本为4.5.1，对应的CUDA版本为10.2，故需安装版本为1.6.0的pytorch。

由于硬件架构的特殊性，安装pytorch也只能从官网下载whl，链接如下：

Pytorch for Jetson

注意：需要使用python3.6环境pip安装如上whl。

使用章节1所述的conda配置一个python3.6的虚拟环境

conda create -n py3.6 python=3.6
conda activate py3.6

安装pytorch1.6.0：

pip install numpy torch-1.6.0-cp36-cp36m-linux_aarch64.whl

进入python查看torch是否安装成功：

python
>>import yorch

发现报错：

 解决方法：

sudo apt-get install libopenblas-dev

 发现继续报错：

 这个问题搞了好久才找到解决方案：

应该是OpenBlas与内核不匹配？

 使用如下语句将这句声明加入（export）系统环境变量中去，即可解决问题：

gedit ~/.bashrc
export OPENBLAS_CORETYPE=ARMV8
source ~/.bashrc

 终于：

如果和CUDA未连接上则需要检查CUDA是否正常安装：

nvcc -V

 若jetpack正常安装CUDA但返回 nvcc: command not found

则是CUDA未添加到系统变量

gedit ~/.bashrc
#给最后一行加入：
export PATH=/usr/local/cuda-10.2/bin:$PATH
#再回终端source一遍即可
source ~/.bashrc

 这时import torch就正常了

终于安装成功了！！

三、安装torchvision

torch/torchvision安装链接

需要注意torchvision与torch版本对应

torch/torchvision版本对应

pytorch版本	torchvision版本
1.0	0.2.2
1.1	0.3.0
1.2	0.4.0
1.3	0.4.2
1.4	0.5.0
1.5	0.6.0
1.6	0.7.0
1.7	0.8.1
1.8	0.9.0

由于本文pytorch为1.6，故只能安装版本为0.7.0的torchvision

#安装相关依赖项
sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
#下载对应版本的torchvision
git clone --branch v0.7.0 https://github.com/pytorch/vision vision-0.7.0
cd torchvision
#添加环境变量
export BUILD_VERSION=0.7.0
#执行安装
python setup.py install --user

 

总结

本文主要讲了anaconda与pytorch，其中对一些在arm64架构的系统安装的坑做了详细的讲解，希望能帮助到大家，减少大家排坑时间！