Jetson Nano 环境部署

Posted 2023-05-05

参考技术A 目前Jetson Nano所需要的的开发环境已经部署完了，人脸检测过程中使用到的包啊库啊也都装的差不多了；回顾一下都装了哪些以及如何安装的

参考 官网
以及tensorflow版本和NVIDIA container和JetPack版本的兼容关系：

torch安装参考我的另一篇文章：
[Jetson Nano 安装torch和torchvision]( https://www.jianshu.com/p/afc502b5a67d ）

基于Jetson Nano 平台图像识别环境搭建及测试

     

     Jetson Nano开发板没有预装系统，需要自行安装，配置开发环境。将开发板的各硬件装配连接好以后需要进行系统镜像烧写，从NVIDIA官方网站拷贝系统镜像，解压处理后使用工具Win32 Disk Imager或者Ether把系统移植到SD卡内，安装的系统版本是Ubuntu18.04。将烧写好的SD卡插入卡槽内，启动计算机并进行开机配置。

       运行深度学习卷积神经网络需要搭建系统的运行环境，目前支持CNN网络的AI框架和算法数量很多，其中Tensorflow是比较常用的一种。其对搭建神经网络的API进行了封装，支持TPU与GPU高性能数值计算，能够在PC端及各类服务器上使用。从数据传入到输出的角度理解就是在一张计算图中，输入数据流过节点，通过节点定义运算方法，再通过建立会话启动计算图得到运算结果。其主要由计算图(Graph)、会话(Session)、张量(Tensor)和节点(Operation)组成。张量是任意维的数组，是TensorFlow的核心数据单位，节点定义数据操作方法，会话(Session)使数据流向各个节点。

       在进行TensorFlow的配置时应特别注意与其他依赖库的版本匹配问题，否则会影响正常运行。本文使用的Jetson Nano系统版本是Ubuntu18.04，Arrch64架构，系统内自带python2、python3、CV2及CUDA10.2和cuDNN等软件。需要安装相关的函数库，如python3-pip、numpy、matplotlib等，在终端输入相关指令选择匹配版本进行函数库的安装。本文安装的是TensorFlow2.2.0版本，可以从其官网获取，也可以从GitHub进行源码安装。

      平台搭建完成以后，使用MNIST手写数字数据集测试各依赖库是否正常匹 配，并运行神经网络模型测试开发板性能。该数据集共有10000个测试图片和60000个训练图片，图片是写有数字0到9共10类标签的灰度图，像素大小为28×28，其是研究机器学习的经典数据集。

     

知乎主页：https://www.zhihu.com/people/zhuimeng2080