Jetson TX2开发深度学习项目笔记（Jetpack4.5.1，cuda10.2版本）
Jetson TX2开发深度学习项目笔记（Jetpack4.5.1，cuda10.2版本）
一、刷机
PyTorch for Jetson - version 1.11 now available - Jetson & Embedded Systems / Jetson Nano - NVIDIA Developer Forums
在这里面找好要刷的版本并下载。
刷机教程现在网上都有很多大佬写得很详细，我是按照这位博主的经验贴走的：
(13条消息) Nvidia Jetson TX2 详细刷机教程及踩坑记录（Jetpack4.5.1，python3.6，torch1.6，torchvision0.7）_来吧，搞学习了！的博客-CSDN博客_tx2刷机
我刷的是Jetpack4.5.1，cuda10.2版本。
注：这个过程中也遇到了一些坑：
1.在刷机时主机的内存分得不够，所以一开始刷机的主机内存必须分得足够大（建议分80G以上）；
2.在刷机过程中，也遇到这样的报错，我一直点retry都没用，也修改了网络适配为桥接模式，尝试多次后心态不太好了，直接点了skip，然后就跳过了这一步，后面安装过程中一直弹框说网络配置失败，但看到进度条一直在走，没管他，后面居然成功了！
成功刷机后会自动安装好cuda和cudnn，分别输入
nvcc -V
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
注：如果提示找不到该路径，可以自己在系统中查找cudnn_version.h文件的路径，然后再命令中修改。（cuda也是一样，找到安装路径，将环境变量自己配置好，将路径jPATH添加到.bashrc文件中即可）
完成这一步后调用TX2自带的demo跑起来试试：
但是每个人的安装路径应该是不同的，所以想跑这个demo，我们得先找到这个文件的路径在哪儿，最方便的方式是直接在根目录下搜oceaFFT这个文件：
然后在这个目录下进入终端，输入命令：./oceanFFT
好了，测试成功，我们收起激动的心情，开始下一步工作吧！
二、让风扇转起来吧
(13条消息) 英伟达jetson硬件(NX,nano,AGX,TX1,TX2)通用开机自动开启风扇教程_奶茶不加冰的博客-CSDN博客_jetson nano 风扇设置
不多说了，看这个老哥的帖子。
安装jetson-stats后输入jtop可以非常直观地观测TX2的运行状态，如下图：
三、安装archiconda
（在此之前，先修改一下Ubuntu的镜像源吧，这样能为后面下载节省大量时间！教程太多，随便搜一下就有！）
TX2上面无法直接使用Anaconda，但经过大佬编译，创出了Archiconda。Archiconda是专门应用在TX2等嵌入式设备上，和Anaconda非常相似。
首先在https://github.com/Archiconda/build-tools/releases下载.sh文件，等待下载完成后进入下载目录，在该目录下sh 文件名
这里我也不详细写了，安装Archiconda基本没什么坑，随便搜一下教程跟着走基本没什么问题。
四、安装Pytorch
(13条消息) 在Jetson TX2上傻瓜式安装pytorch_comli_cn的博客-CSDN博客_tx2安装pytorch
根据上面博客的教程走，但是从这里开始，坑就比较多了，每走一步都有可能陷入泥潭，但是不去尝试，永远都停在原地。由于我配置的时候没有及时地做笔记，是根据回忆写的了，所以有些坑写得比较模糊，哈哈。我们来看第一个坑：
安装pytorch的时候不要顺带安装numpy，这里真的佩服这位老哥，不多说了，respect！(13条消息) Nvidia Jetson TX2 详细刷机教程及踩坑记录（Jetpack4.5.1，python3.6，torch1.6，torchvision0.7）_来吧，搞学习了！的博客-CSDN博客_tx2刷机
如果安装pytorch的时候安装了numpy，可能会和我一样报错：import torch或者import numpy的时候直接报错，在网上找了别人的截图：
(13条消息) 非法指令 (核心已转储) 彻底解决方案_W-ilde的博客-CSDN博客_非法指令核心已转储
上面是别人的解决方案，你们如果遇到了也可以尝试一下，我尝试了没有解决，通过分析，是numpy与torch版本不兼容问题，这个时候我看到一篇帖子，说是将numpy版本从1.19.5降为1.12.1可以解决，我试了一下，发现可以导入import torch了，但import torch时会发生警告，如下：
但紧接着import numpy也成功了，没有报错，torch.cuda.is_available()输出为True，
我就兴奋了，以为自己成功了，哪知噩梦才开始！我就开始安装项目需要的库：scipy、matplotlib、OpenCV等库（后面分享安装这些库的经验），所有都装好了后，开始跑项目，直接报错，如下：
通过在其他博主的帖子里大概了解了这个错误的原因，是因为numpy的版本太低了，经过无数次卸载安装尝试，安装了numpy==1.19.1，然后成功了！
pip3 install numpy==1.19.1，反正低于1.19.5就行，也别太低，不然torch不能与numpy链接起来。
五、安装pycharm
在博客上从别人经验贴中得知，arm64平台下安装pycharm需要安装配置JAVA环境，未安装配置JAVA环境，则会报错：
NO JRE Found. Please make sure $PYCHARM_JDK, $JDK_HOME, or $JAVA_HOME point to avalid JRE installation.
唉，懒得写了，直接上链接，感谢这位老哥就行！
(13条消息) Jetson Xavier TX2 NX上安装Pycharm_alex1801的博客-CSDN博客_tx2安装pycharm
六、配置深度学习所需要用到的库
https://anaconda.org/jetson-tx2
这个网址里面给出了装库的教程，可以下载下来自己装，也可以直接调用命令进行下载安装。
这里安装库的时候怎么说了，多尝试吧，各种方法，有时候有可能是网络原因，有条件可以换个网络，我是换成手机热点就成功下载安装了。有的甚至需要科学上网，反正多尝试吧，pip、conda、sudo apt-get命令都可以试，有时候pip不行，反而pip3就装上了，神奇！
另外，上面那个链接中包含了tx2中绝大部分可以直接通过命令下载安装的包，但需要注意的是，这些包直接版本都是有链接的，所以下载的时候是裙带关系，卸载也是，下载后会不会覆盖原本安装的库，这些都需要自己去不断地尝试！当然，也要和我一样，双手合十，祈祷成功！啊哈哈哈哈，然后库安装好了，就可以取开始跑自己的项目了，至此，移植成功！
打开上面的链接，这里会看到所有tx2下支持的库，如图：
然后找到需要安装的库，比如matplotlib，然后复制下面的conda install -c jetson-tx2 matplotlib安装命令就可以了。
另外，在tx2中cv2是不能直接进行安装的，需要安装opencv-python和opencv-contrib-python，直接pip install就可以，将这两个包成功安装后就能调用cv2了。
注意：有些库在安装的过程中会遇到一些问题，比如前面提到的numpy，可能会因为版本不匹配的原因，导致调用的时候会报错，遇到这种情况的话我的处理方法是卸载掉当前安装的库，然后尝试安装不同版本，经过几次尝试后就成功了。
安装好所有项目需要的库后，接下来就可以开始我们的tx2开发之旅了！
提示：在刷机完成后一定要先配置好镜像源，真的会节省大量时间的！
（由于写的回忆录，可能有些地方讲述得不太清晰，不对的地方欢迎大家批评指正，希望这个帖子能给刚接触tx2的同学们一些帮助！）