Nvida nano 系统安装

根据官网的说明安装好sd卡后，需要安装Tensorflow,系统自带cuda10.2,但是需要配制后才能看到。

0、刷机要求
microSD卡（最好32GB起,系统镜像15G左右）
微型USB电源（5V-2A）
电脑显示器（HDMI）
鼠标和键盘
1、将图像写入SD卡
1.1下载映像文件 官网https://developer.nvidia.com/jetson-nano-sd-card-image
1.2将映像写入microSD卡（windows)

1. 下载，安装并启动Windows版SD存储卡格式化程序。
   https://www.sdcard.org/downloads/formatter_4/eula_windows/
2. 选择卡驱动器
3. 选择“快速格式化”
4. 将“卷标”留空
5. 单击“格式化”开始格式化，然后在警告对话框上单击“是”

1.3使用Etcher将Jetson Nano Developer Kit SD卡映像写入microSD卡（写入需要40分钟）

2.启动登陆
插入sd卡，连接电源，nano自动启动，第一次启动需要选择语言，设置用户名密码等。
系统为ubuntu18
自带cuda、cudnn、opencv
但是cuda需要加入环境

3.配置cuda环境
Jeston Nano中已经安装了CUDA，但是需要更改环境变量之后，才能够查询到版本信息，所以首先添加环境变量

切换到～目录
cd ~ ；
然后打开 .bashrc 文件：vim .bashrc ；
接着按 i 键，进入编辑状态；
再接着在文件的末尾添加下面三行代码

export PATH=/usr/local/cuda-10.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-10.2

最后 source .bashrc，使用nvcc -V可以看到。

TensorFlow1.5.0的安装

安装相关的依赖库和工具

sudo apt-get install libhdf5-serial-dev hdf5-tools zlib1g-dev zip libjpeg8-dev libhdf5-dev  python3-pip

系统里面默认是没有python3-pip的，所以需要自己安装。

pip的配置
默认pip是直接从pypi服务器下载这些库的，但是pypi也是在海外的，所以为了下载更快，这里进行一些简单的配置，使用国内pip源，这里使用的是ali的pip源，配置文件如下：

[global]

trusted-host = mirrors.aliyun.com
index-url = http://mirrors.aliyun.com/pypi/simple

修改配置文件

cd ~
mkdir .pip
gedit .pip/pip.conf   # 将上述配置内容写入配置文件即可

pip3 install -U numpy # 需要编译安装，用时很长，所以单独安装
pip3 install h5py==2.8.0rc1 # 需要编译安装，用时非常长，我的板子装这个20多分钟才装完
pip3 install -U grpcio absl-py py-cpuinfo psutil portpicker grpcio six mock requests gast h5py astor termcolor

安装numpy时有可能提示RuntimeError: Running cythonize failed!错误：

pip3 install -U cython

安装h5py时可能会遇到找不到 -lcblas

sudo apt-get install libatlas-base-dev

安装TensorFlow

pip3 install wheel==0.26
pip3 install tensorboard==1.14.0
pip3 install keras-preprocessing=1.0.5
pip3 install termcolor==1.1.0
pip3 install six==1.10.0
pip3 install tensorflow-estimator==1.14.0rc0
pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu

如果以上步骤不好使参考官网如下：
https://docs.nvidia.com/deeplearning/frameworks/install-tf-jetson-platform/index.html

$ sudo apt-get update
$ sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran

$ sudo apt-get install python3-pip
$ sudo pip3 install -U pip testresources setuptools==49.6.0 
$ 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

tensorflow2.0

$ sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow

tensorflow1.0

 $ sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow==1.15.2+nv20.4

运行tenorflow时可能会遇到cannot import name 'mock’的问题，

sudo pip3 install -U absl-py==0.7.0

经测试这个版本是好使的，使用最新的0.11.0还是会提示这个错误。

运行前需要配制bashrc文件
在文件最后增加一句如下：
export CUDA_VISIBLE_DEVICES=n

n是显卡号，比如如果有4个显卡，等于1表示只有显卡设备1GPU可以使用。