wordpress建站注册新用户,自助建设网站,营销型网站功能模块,搜索引擎推广试题文章目录
1、Tensorflow多版本安装 1.1 Protobuf 安装1.2 安装依赖包及tensorflow1.151.3 安装其它常用库1.4 测试python包是否安装成功1.5 TensorRT和Opencv的安装1.6 pycuda和onnx安装1.7 Tensorflow2.3安装2、Pytorch安装 2.1 安装pytroch和torchvision2.2 安装环境验证参考…文章目录
1、Tensorflow多版本安装 1.1 Protobuf 安装1.2 安装依赖包及tensorflow1.151.3 安装其它常用库1.4 测试python包是否安装成功1.5 TensorRT和Opencv的安装1.6 pycuda和onnx安装1.7 Tensorflow2.3安装2、Pytorch安装 2.1 安装pytroch和torchvision2.2 安装环境验证参考内容首先按照我的其它 博客完成jetson nano 基础环境的配置。然后就可以对深度学习框架进行安装。要注意的是nano每次断电再开机后系统时间是错误的要先手动进行设置。 1、Tensorflow多版本安装
创建虚拟环境并激活
mkvirtualenv nano
workon nano12
Tensorflow不同的版本将安装在不同的虚拟环境中。
1.1 Protobuf 安装
退出虚拟环境在系统中安装Protobuf。 首先配置protobuf,这样可以使tensorflow运行更快。如果protobuf和libprotobuf没有安装Tensorflow的性能会被大打折扣。当然使用pip来安装tensorflow 的时候会自动安装一个protobuf的版本但是可能不是很合适。关于这部分性能的影响参见Nvidia的论坛 安装命令脚本sh内容如下
#!/bin/bashset -efolder${HOME}/src
mkdir -p $folderecho ** Install requirements
sudo apt-get install -y autoconf libtoolecho ** Download protobuf-3.8.0 sources
cd $folder
if [ ! -f protobuf-python-3.8.0.zip ]; thenwget https://github.com/protocolbuffers/protobuf/releases/download/v3.8.0/protobuf-python-3.8.0.zip
fi
if [ ! -f protoc-3.8.0-linux-aarch_64.zip ]; thenwget https://github.com/protocolbuffers/protobuf/releases/download/v3.8.0/protoc-3.8.0-linux-aarch_64.zip
fiecho ** Install protoc
unzip protobuf-python-3.8.0.zip
unzip protoc-3.8.0-linux-aarch_64.zip -d protoc-3.8.0
sudo cp protoc-3.8.0/bin/protoc /usr/local/bin/protocecho ** Build and install protobuf-3.8.0 libraries
export PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATIONcpp
cd protobuf-3.8.0/
./autogen.sh
./configure --prefix/usr/local
make -j$(nproc)
make check
sudo make install
sudo ldconfigecho ** Update python3 protobuf module
# remove previous installation of python3 protobuf module
sudo pip uninstall -y protobuf
sudo pip install Cython
cd python/
python3 setup.py build --cpp_implementation
sudo python3 setup.py install --cpp_implementationecho ** Build protobuf-3.8.0 successfully
也可以将命令逐行在终端中执行。
然后激活虚拟环境装protobuf装到虚拟环境中
workon nano
cd ~
cp -r ~/src/protobuf-3.8.0/python/ .
cd python
python setup.py install --cpp_implementation1.2 安装依赖包及tensorflow1.15
安装好protobuf以后在虚拟环境中安装numpy和cython:
pip install cython
pip install numpy1.16.1因为需要编译用时大约20分钟。 同时安装numpy时可能会报错numpy/core/src/multiarray/numpyos.c:18:10: fatal error: xlocale.h: No such file or directory 需要退出虚拟环境为系统安装numpy然后将其通过软链接使虚拟环境可以使用
sudo pip install numpy1.16.1
cd ~/.virtualenvs/nano/lib/python3.6/site-packages/
ln -s /usr/local/lib/python3.6/dist-packages/numpy numpy然后再进入虚拟环境中进行numpy安装
pip install numpy1.16.1安装其它依赖包
pip install -U testresources setuptools
pip install -U future mock h5py keras_preprocessing keras_applications gast futures pybind11安装过程中建议那个包的安装报错时可以先把不报错的安装完成然后报错的单独安装整个用时也较长。
在写本博客时2020年11月11日官方提供了1.15和2.3版本的安装。当前1.15的版本更加稳定在这个虚拟环境中安装tensorflow1.15.2:
pip install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow1.15.2安装过程中有其它依赖会自动安装。 更多安装过程的理解请参考官方论坛和官方安装指导. 通过以上步骤完成Tensorflow的安装。
安装时间较长耐心等待。
1.3 安装其它常用库
每个包都很耗时耐心等待若不成功多次尝试考虑到安装太慢可以多开几个shell来实现keras还有scikit-learn jupyter是需要先安装scipy的所以可以先安装时注意顺序另外最新版本的keras要求tensorflow2,所以要指定较早版本
pip install scipy
pip install keras2.3.0
pip install pillow
pip install matplotlib
pip install scikit-learn
pip install scikit-image
pip install jupyter 1.4 测试python包是否安装成功
python -c import numpy; print(numpy.__version__)
python -c import jupyter; print(jupyter.__version__)
python -c import PIL; print(PIL.__version__)
python -c import matplotlib; print(matplotlib.__version__)
python -c import tensorflow; print(tensorflow.__version__)
python -c import keras; print(keras.__version__)
python -c import scipy; print(scipy.__version__)同时可以验证一下tensorflow是否支持GPU
1.5 TensorRT和Opencv的安装
系统中已将tensorrt和opencv的相关组件安装完成如下图 可以看到有uff,tensorrt,graphsurgeon,cv2模块只需要将这些包的路径填加到虚拟环境的环境变量中即可。
workon nano
add2virtualenv /usr/lib/python3.6/dist-packages
lssitepackages #列出所有的包1.6 pycuda和onnx安装
要使用tensorrt对各种主流框架tensorflow,pytorch,caffe)的模型时行转换和加速还要安装pycuda和onnx
pip install pycuda
pip install onnx1.4.1 关于onnx的版本也选择了较低的也可以安装最新的可能会报错这时也可以再降级。
1.7 Tensorflow2.3安装
tensorflow1.15.2己在nano虚拟环境中完成安装大多数包也都是tensorflow2.3的安装依赖所以进行如下操作。 复制nano环境
cpvirtualenv nano nano_tf2这样创建一个叫nano_tf2与nano一样的环境 安装tensorflow2.3
#先卸载tensorflow1.15及keras
pip uninstall keras
pip uninstall tensorflow
#然后再安装
pip install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow2.3.1验证安装 到此tensorflow的安装完成。随着jetson系列的更新可以参照本文去官网查看命令来安装。
2、Pytorch安装
本节主要参考 https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-7-0-now-available/72048 内容。 在按照博客完成基础配置后可以执行以下安装步骤。
2.1 安装pytroch和torchvision
复制nano环境
cpvirtualenv nano nano_ptch这样创建一个叫nano_ptch与nano一样的环境
#先卸载tensorflow1.15及keras
pip uninstall keras
pip uninstall tensorflow执行jtop命令按6,查看当前jetpack版本选择合适的pytorch版本进行安装。 可以看来系统版本是jetpack4.4.1,是当前(2020年11月13日最新的。 下面列举几个版本的要求 选择安装最新版本pytorch1.7
wget https://nvidia.box.com/shared/static/wa34qwrwtk9njtyarwt5nvo6imenfy26.whl -O torch-1.7.0-cp36-cp36m-linux_aarch64.whl #需要科学上网
workon nano_ptch
pip install torch-1.7.0-cp36-cp36m-linux_aarch64.whl鉴于网络原因我把pytorch1.7上传到CSDN中免费下载。 接着安装torchvision,由于torchvision的版本要与pytorch的版本对应所以要选择合适版本版本对应关系如下 PyTorch v1.0 - torchvision v0.2.2 PyTorch v1.1 - torchvision v0.3.0 PyTorch v1.2 - torchvision v0.4.0 PyTorch v1.3 - torchvision v0.4.2 PyTorch v1.4 - torchvision v0.5.0 PyTorch v1.5 - torchvision v0.6.0 PyTorch v1.6 - torchvision v0.7.0 PyTorch v1.7 - torchvision v0.8.1 安装命令为
git clone --branch version https://github.com/pytorch/vision torchvision # see below for version of torchvision to download
cd torchvision
export BUILD_VERSION0.x.0 # where 0.x.0 is the torchvision version
sudo python setup.py install # use python3 if installing for Python 3.6
cd ../ # attempting to load torchvision from build dir will result in import error具体对应pytorch1.7时
git clone --branch v0.8.1 https://github.com/pytorch/vision torchvision # see below for version of torchvision to download
cd torchvision
export BUILD_VERSION0.8.1 # where 0.x.0 is the torchvision version
sudo python setup.py install # use python3 if installing for Python 3.6
cd ../ # attempting to load torchvision from build dir will result in import error2.2 安装环境验证
要验证一下pytorch和torchvision是否安装成功如下 使用命令为如图4条
import torch
print(torch.__version__)
print(cuda available:str(torch.cuda.is_available()))
print(cuDNN version:str(torch.backends.cudnn.version()))到此完成主流深度学习框架tensorflow和pytorch在jetson nano上的安装。
任何程序错误以及技术疑问或需要解答的请添加
