0x00:引子
最近有些读者朋友问到如何在英伟达Jetson平台安装深度学习环境,最近刚好也在做这方面工作。看到网上一些教程写的杂乱,所以打算记录下我的配置流程,给大家做个参考。
0x01:环境与硬件
笔者这里使用的是英伟达JetsonNX硬件平台,系统环境是JetPack 4.4.1。其他平台和版本可以参考这个步骤安装。
python版本3.6。
安装以下深度学习环境:
- TensorFlow == 2.3.0
- PyTorch == 1.8.0
- MxNet == 1.6.0
0x02:安装步骤
扫描二维码关注公众号,回复:
13165369 查看本文章

需要的一些深度学习开发环境资源可以查阅这:elinux.org/Jetson_Zoo
首先安装pip工具:
sudo apt-get install python3-pip
复制代码
方便加速,可以配置pip清华源:
pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
复制代码
0x021:TensorFlow安装
找到对应Jetson(JetPack 4.4.1)系统的对应TF版本
这里笔者安装的是2.3.0:可以点击对应版本链接下载备用。
然后执行:
# install prerequisites
sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran
# install and upgrade pip3
sudo pip3 install -U pip testresources setuptools=49.6.0
# install the following python packages
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
# to install TensorFlow 1.15 for JetPack 4.4:
sudo pip3 install “下载好的TensorFlow 1.15包地址”
# or install the latest version of TensorFlow (2.3) for JetPack 4.4:
sudo pip3 install “下载好的TensorFlow 2.3包地址”
复制代码
0x022:PyTorch安装
找到对应Jetson(JetPack 4.4.1)系统的对应PyTorch版本
这里笔者安装的是1.8.0:可以点击对应版本链接下载备用。
然后执行:
# install OpenBLAS and OpenMPI
sudo apt-get install libopenblas-base libopenmpi-dev
# Python 3.6 (download pip wheel from above)
pip3 install Cython
pip3 install numpy “下载好的PyTorch包地址”
复制代码
0x023:MXNet安装
找到对应Jetson(JetPack 4.4.1)系统的对应MXNet版本
这里笔者安装的是1.6.0:可以点击对应版本链接下载备用。
然后执行:
# Python 2.7
sudo apt-get install -y git build-essential libatlas-base-dev libopencv-dev graphviz
sudo pip install “下载好的MXNet包地址”
# Python 3.6
sudo apt-get install -y git build-essential libatlas-base-dev libopencv-dev graphviz
sudo pip install “下载好的MXNet包地址”
复制代码
其他工具:Keras与ONNX等可以参考:elinux.org/Jetson_Zoo
如果遇到:“Illegal instruction(cpre dumped)”错误,可以翻阅我这个博文解决:xiaosongshine.blog.csdn.net/article/det…
0x03:测试功能
可以参考笔者之前博文:『带你学AI』测试深度学习框架GPU版本是否正确安装方法:TensorFlow,PyTorch,MXNet,PaddlePaddle