深度学习|Jetson Nano安装pytorch 基于torch1.6和torchvision0.7 pytorch|linux|python|jetson|nvidia|p

需要注意的是，博主使用的是win10主机，通过局域网连接的jetson nano，其中jetson nano的预制CUDA版本为10.2 Jetpack 4.1.1 分别执行以下命令，即可查看自己的jetson nano 预搭载的CUDA版本 sudo pip3 install jetson-stats sudo jtop
基础安装教程

- 需要注意的是，博主使用的是win10主机，通过局域网连接的jetson nano，其中jetson nano的预制CUDA版本为10.2 Jetpack 4.1.1
- 分别执行以下命令，即可查看自己的jetson nano 预搭载的CUDA版本
- `sudo pip3 install jetson-stats`
- `sudo jtop`
1.基础连接
- 1、基础部件安装
- 2、远程桌面连接
- - 可以参考这篇博文，使用Xshell和Xftp，对于没有屏幕的用户比较友好，另外，jetson nano开启屏幕连接会占用一定量的CPU和GPU资源，远程连接可节省之。
- `不过，需要提醒的是，博主下面的操作，虽然都是在命令行完成的，但是博主连接了屏幕，所以如果直接是远程桌面连接，有一定可能性出现博文中未出现的情况`
2.环境配置
- 1.关于CUDA的环境变量导入
- 保存后退出，执行 `source ~/.bashrc`，使得环境变量生效
- 在命令行输入 nvcc -V 如果正常输出，说明CUDA路径配置成功，对于CUDA10.0版本，方法或许与博文有出入，请自行百度之。
- 2.安装pytorch torch1.6和torchvison0.7.0
- 安装 torch1.6 在命令行执行
- 随后安装torchvision 0.7.0

1.基础连接 1、基础部件安装

深度学习|Jetson Nano安装pytorch 基于torch1.6和torchvision0.7

文章图片

文章图片

基础的系统烧录等可以参考这篇博文
Nvidia Jetson Nano入门与使用
2、远程桌面连接可以参考这篇博文，使用Xshell和Xftp，对于没有屏幕的用户比较友好，另外，jetson nano开启屏幕连接会占用一定量的CPU和GPU资源，远程连接可节省之。
另外，连接上Xftp后可以使用其实现文件传输，在jetson nano不便于下载某些文件时，可以通过主机下载后再传过去
下面这篇博文对于Xshell使用介绍非常详细，这里不再赘述，同样的，Putty也可以连接，方法更为简单，但功能略微弱于 Xshell 可自行百度之。
https://blog.csdn.net/u013617229/article/details/89715667

不过，需要提醒的是，博主下面的操作，虽然都是在命令行完成的，但是博主连接了屏幕，所以如果直接是远程桌面连接，有一定可能性出现博文中未出现的情况

2.环境配置 1.关于CUDA的环境变量导入 jetson nano是原装了CUDA的，但是需要用户导入环境变量（导入相关的路径）才可以使用，只有环境变量导入成功后，方可在命令行使用 nvcc -V
在命令行输入 sudo gedit ~/.bashrc
(类似于文本编辑器，需要连接显示器，如果没有显示器，需要自行百度vim的方法来添加环境变量)
在最后添加这三行（注意，输入变量时，是usr，不是user，linux小白当时差点没注意这点细节）

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

保存后退出，执行 source ~/.bashrc，使得环境变量生效在命令行输入 nvcc -V 如果正常输出，说明CUDA路径配置成功，对于CUDA10.0版本，方法或许与博文有出入，请自行百度之。

文章图片

2.安装pytorch torch1.6和torchvison0.7.0 下述步骤安装的是 PyTorch v1.6 + torchvision v0.7.0-rc2
需要注意的是，博主的jetson nano搭载的是CUDA10.2版本，因此强烈建议使用1.6版本的pytorch，其他版本的pytoch安装后会出现各种问题
详情可参考这位博主的经历
同时本博主也是参考这位博主的方法安装的
前往nvidia官网下载pytorch，Pytorch在arm64架构上需要自己编译安装。
Nvidia提供了在Nano上的预编译的pytorch安装包，直接下载需要科学上网，因此建议将下载链接复制到迅雷以便加速下载。
同时，这里提供了pytorch 1.6.0的已经编译好的wheel安装包，下载后重命名为torch-1.6.0-cp36-cp36m-linux_aarch64.whl，并将文件放在用户目录下，这样可以直接打开。
链接：https://pan.baidu.com/s/1bjMHIg1KDJ0HMB37HB_DzQ
提取码：c3z2
（此处的资源连接转载自博文）
安装 torch1.6 在命令行执行

sudo apt-get install python3-pip libopenblas-base libopenmpi-dev pip3 install Cython pip3 install torch-1.6.0-cp36-cp36m-linux_aarch64.whl

由于我们安装的是pytorch1.6因此，我们只能知用torchvisionv0.7.0,但是去官方找，最多只到0.6.0

文章图片

随后安装torchvision 0.7.0

sudo apt-get install libjpeg-dev zlib1g-dev git clone --branch v0.7.0 https://gitee.com/zero-one-game/vision torchvision # 鉴于国内网络环境，博主提供gitee码云加速下载，直接使用github会因出现网络问题而无法进行 #这行命令是将源代码下载到了用户目录下的torchvision，如果torchvision已经存在，需要删除，如果提示permission denied #命令行使用sudo su 进入管理员模式，执行 rm -r torchvision ,或者也可以自行查找更安全的删除方法cd torchvision#进入用户目录下的torchvision，执行源代码编译工作，需要一定的时间，大概十多分钟sudo python3 setup.py install cd ../# attempting to load torchvision from build dir will result in import error pip3 install 'pillow<7' # always needed for Python 2.7, not needed torchvision v0.5.0+ with Python 3.6

更多详细的安装步骤，可以参考以下博文
https://www.pianshen.com/article/41791665147/
https://www.pythonf.cn/read/135121
https://www.cnblogs.com/cumtchw/p/13273753.html
https://www.cnblogs.com/cumtchw/p/13279051.html
编译并安装完成后，命令行输入python3，启动python3.6.9，进入交互式命令行

>>> import torch >>> print(torch.__version__) # 输出 1.6.0 >>> print('CUDA available: ' + str(torch.cuda.is_available())) >>> print('cuDNN version: ' + str(torch.backends.cudnn.version())) >>> a = torch.cuda.FloatTensor(2).zero_() >>> print('Tensor a = ' + str(a)) >>> b = torch.randn(2).cuda() >>> print('Tensor b = ' + str(b)) >>> c = a + b >>> print('Tensor c = ' + str(c)) >>>> import torchvision >>> print(torchvision.__version__) # 输出 0.7.0

3.安装虚拟环境，隔离真实环境
参考博文，后续将详细补充相关用法
https://www.cnblogs.com/kekeoutlook/p/13511212.html
linux下，把文本从其他GUI程序复制到终端用 ctrl+shift+v
【深度学习|Jetson Nano安装pytorch 基于torch1.6和torchvision0.7】4.好像有朋友遇到了git出问题，下载不了，我这里直接给出前面的torchvision0.7.0的zip包，有需要的自取，蓝奏分享链接