Jetson Nano的初次配置深度学习PyTorch和TensorFlow环境，以及跳坑提醒

本文是一个记录，记录了我在Jetson Nano上配置TensorFlow和Python环境（使用虚拟环境安装）的过程。因为自己也是第一次用嵌入式，有些不熟悉，这个过程大概花了5-6小时，希望能为有相似需求的小伙伴节省一些时间，提供参考。

本文的内容将会按照下面几个部分展开：

1. 基本情况中介绍我使用的环境，以及最终安装好的python，tf版本，以供快速查阅是否符合你的需求。
2. 使用正确的镜像源：使用正确的镜像源是Ubuntu安装软件sudo apt update; sudo apt install XXX的基础。而Jetson Nano的镜像源国内只有清华的镜像源可用。
3. 配置环境：这一步给出一个亲测可用的配置环境方案，其中使用virtualenv来管理包。
4. 安装TensorFlow和PyTorch：这一步给出安装这两个深度学习框架的官方教程链接。使用官方编译好的包比自己编译方便了很多。
5. 在自己创建的虚拟环境中配置opencv。因为opencv已经包含在了最开始刷到sd卡中的系统镜像中，这里需要做的是让自己可以从自己创建的虚拟环境中通过建立软链接的方式直接使用已经装好的opencv。

基本情况

我使用的是Jetson Nano B01，相比Jetson Nano第一代的产品多了一个板载摄像头接口（第一代只有一个），其他的性质应该是相似的。我安装的PyTorch版本是1.4的GPU版本，这个版本是官方编译好的；TensorFlow版本是1.15-gpu，也是官方编译好的。包管理环境使用virtualenv和virtualenvwrapper。（提示，之前看