JetsonNano学习（五）JetsonNano 安装 PyTorch 及 Torchvision

---

前言

Jetson nano不是x86架构而是ARM aarch64 架构，因此pytorch官网下载的包无法在JetsonNano上使用。

NVIDIA官方下载链接：https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-11-now-available/72048

---

一、安装PyTorch

---

1. 安装文件下载

在NVIDIA官网下载 Python 3.6 - torch-version-cp36-cp36m-linux_aarch64.whl 文件到本地。

---

2. 文件远程传输

接着通过 FileZilla 实现JetsonNano的远程连接，将下载好的whl文件传输到JetsonNano指定的文件夹，如~/Downloads文件夹。

---

3. SSH远程连接

通过Xshell 或者 Putty 或者 Windows Terminal 实现SSH连接。

可在Jetson Nano 终端输入以下命名查询ip地址。

$ifconfig

---

Xshell

新建会话属性并通过输入Jetson Nano用户名以及密码成功实现ssh连接。

---

Putty

实现过程类似Xshell。

---

Windows Terminal

在终端中输入以下命令实现SSH远程连接。

ssh JetsonNanoUserName@IP -y

连接成功后出现以下信息：

---

4. 安装必要环境

在终端命令中输入命令完成相关库的安装：

$sudo apt-get install python3-pip libopenblas-base libopenmpi-dev libomp-dev
$pip3 install Cython

进入whl文件所在文件夹
传输步骤中我们将whl文件放在 ~/Downloads 文件夹内，所以我们进入该文件夹：

$cd ~/Downloads		#进入该文件夹
$ls		#查看文件夹内文件

接下来终于开始PyTorch的安装环节：

$pip3 install numpy torch-version-cp36-cp36m-linux_aarch64.whl		#等待安装完成

---

5. 补充

Jetson Nano
配置需要用到的库可以提前安装，以备不时之需：

$sudo apt-get install build-essential make cmake cmake-curses-gui -y
$sudo apt-get install git g++ pkg-config curl -y
$sudo apt-get install libatlas-base-dev gfortran libcanberra-gtk-module libcanberra-gtk3-module -y
$sudo apt-get install libhdf5-serial-dev hdf5-tools -y
$sudo apt-get install nano locate screen -y

需要的依赖环境:

$sudo apt-get install libfreetype6-dev -y
$sudo apt-get install protobuf-compiler libprotobuf-dev openssl -y
$sudo apt-get install libssl-dev libcurl4-openssl-dev -y
$sudo apt-get install cython3 -y

安装opencv的系统级依赖的一些编解码的库:

$sudo apt-get install build-essential -y
$sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev -y
$sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff5-dev libdc1394-22-dev -y
$sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev -y
$sudo apt-get install libxvidcore-dev libx264-dev -y
$sudo apt-get install libatlas-base-dev gfortran -y
$sudo apt-get install ffmpeg -y

更新CMake:

wget http://www.cmake.org/files/v3.13/cmake-3.13.0.tar.gz
tar xpvf cmake-3.13.0.tar.gz cmake-3.13.0/		#解压
cd cmake-3.13.0/
./bootstrap --system-curl
make -j4		#编译
echo 'export PATH=~/cmake-3.13.0/bin/:$PATH' >> ~/.bashrc		#环境变量配置
source ~/.bashrc		#更新.bashrc

---

二、安装Torchvision

---

1. 安装必要环境库

在终端命令中输入命令完成相关库的安装：

$ sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev

---

2. 下载Torchvision

通过git clone命令完成torchvision文件的下载：

$ git clone --branch v<version> https://github.com/pytorch/vision torchvision

个人强烈推荐直接使用命令行进行下载操作，可有效避免因为版本问题造成的冲突。
若下载太慢可访问以下网站，手动选择相应版本并通过 FileZilla 传输到 ~/Downloads 文件夹内。

https://github.com/pytorch/vision

填写需要安装的Torchvision版本
torchvision与torch版本对应如下图所示：

---

3. 安装

$ cd vision		#进入文件目录内
$ export BUILD_VERSION=<version>
$ python3 setup.py install --user  #开始安装	超级漫长等待

---

三、验证

安装完成后退出该文件夹再验证安装是否成功（很重要）

$ python3
>>> import torch
>>> import torchvision
>>> print(torch.cuda.is_available())

返回 True 代表成功检测到GPU

也可检查 pytorch、torchvision 版本

$ python3
>>> import torch
>>> import torchvision
>>> print(torch.__version__)
>>> print(torchvision.__version__)

---

总结

学会 import torch as tf 是个好习惯