Processus de configuration de Jetson Nano (2)

La dernière partie a été consacrée à la configuration de l'environnement, cet article continuera à écrire sur l'installation de certaines bibliothèques python.

1. Installez pinyin, pip, python3 et passez à la valeur par défaut

Besoin de ssh pour transférer des fichiers, besoin d'installer lrzsz.

#安装lrzsz
sudo apt-get install lrzsz

# Prise en charge de la langue pour choisir le chinois (utilisé dans l'interface graphique, pas besoin d'installer)

sudo apt-get install ibus-pinyin
reboot

Installer pip, pip remplace Ali source

sudo apt-get install python3-pip

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

python -m pip install --upgrade pip

Livré avec python2 et python3, définissez Python3 comme valeur par défaut.

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150

vérification

python --version
 #显示这个就说明切换成功
Python 3.6.5

2. Augmentation de l'espace d'échange du Jetson Nano Swap

La mémoire de Jetson Nano est 4G, ainsi que la mémoire vidéo et le mécanisme de partage de mémoire. L'espace de swap peut être augmenté de 4G et certaines erreurs de programme qui manquent de mémoire peuvent être résolues.

Entrez les commandes suivantes dans l'ordre et rendez-les permanentes.

sudo fallocate -l 4G /var/swapfile
sudo chmod 600 /var/swapfile
sudo mkswap /var/swapfile
sudo swapon /var/swapfile
sudo bash -c 'echo "/var/swapfile swap swap defaults 0 0" >> /etc/fstab'

3. Installation de certaines bibliothèques de calcul Python

Ici, vous devez installer numpy, pandas, scipy, h5py, tensorflow-gpu, pytorch; certaines bibliothèques sont pré-téléchargées, la version tensorflow-gpu est 1.13.1, pytorch est 1.4.0, et d'autres versions peuvent être téléchargées à partir du site officiel site Web; I La bibliothèque installée peut être récupérée par Baidu Netdisk:

https://pan.baidu.com/s/1FUWfLriHrqMSDr7l61tBBQ Code de fichier: s7ty

#有点慢，需要等待10分钟左右
pip install numpy==1.17.2

#非常慢，大概需要半个小时
pip install pandas

#matlotlib,sklearn
sudo apt-get install python3-matplotlib python3-sklearn

Ici, vous devez d'abord installer h5py, sinon vous installerez tensorflow-gpu et vous obtiendrez une erreur.

sudo apt-get install python3-h5py

#scipy安装
pip install scipy-1.2.0-cp36-cp36m-linux_aarch64.whl

#tensorflow-gpu安装
pip install tensorflow_gpu-1.13.1+nv19.3-cp36-cp36m-linux_aarch64.whl

Après avoir installé tensorflow-gpu, vous devez tester sous ce python pour voir si l'installation est réussie.

import tensorflow as tf 
# 判断CUDA是否可以用
a = tf.test.is_built_with_cuda()  
# 判断GPU是否可以用 
b = tf.test.is_gpu_available( cuda_only=False, min_cuda_compute_capability=None )
print(a) 
print(b)

La sortie ici est True, indiquant que l'installation de tensorflow-gpu a réussi.

pytorch 1.4.0 torchvision 0.5.0 installation

#安装依赖
sudo apt-get install  libopenblas-base
sudo apt-get install libjpeg-dev zlib1g-dev
pip install Cython

#安装下载好pytorch库
pip install torch-1.4.0-cp36-cp36m-linux_aarch64.whl

# 下载torchvision
git clone -b v0.5.0 https://github.com/pytorch/vision torchvision
# 编译安装torchvision
cd torchvision
sudo python setup.py install

Après une longue attente, entrez dans l'environnement python pour vérifier si la torche est disponible.

import torch
# 判断CUDA是否可以被torch正常调用
print(torch.cuda.is_available() )

À ce stade, certaines bibliothèques d'apprentissage en profondeur traditionnelles ont été installées jusqu'à présent, et certaines bibliothèques telles que keras peuvent être installées directement à l'aide de pip; parce que l'OpenCV fourni avec le système est une version .4 sans module dnn, un Opencv 4.1.1 sera être écrit dans le prochain numéro Compilez et installez le processus.