Jetson AGX ORIN 配置 FGVC-PIM 神经网络

配置 ORIN 环境

首先先配置 ORIN 的环境，可以参考这个链接：

Jetson AGX ORIN 初始化&配置CUDA&Anaconda&带CUDA的OpenCV

创建 FGVC-PIM 虚拟环境

终端输入命令：

conda create -n fgvc python=3.8
conda activate fgvc

即可创建名为 fgvc 的虚拟环境，之后需要向环境中添加需要的安装包。python 一定要安装 38 版本，因为安装 PyTorch 的时候需要对照版本进行安装。如果直接使用这个命令进行安装 pip install torch torchvision torchaudio，则会出现无法调用 CUDA 的问题。

安装 PyTorch

安装 PyTorch 之前先要查看一下 ORIN 的版本信息：

• L4T：35.3.1
• Jatpack：5.1.1

然后在官网里面下载安装包。网址如下：
PyTorch for Jetson

我的 ORIN 信息如上，选择对应的 python=3.8 系列，最终确定 PyTorch 版本为 1.12.0，进行下载。
如图所示：

然后激活对应的虚拟环境，进行包的安装。

conda activate fgvc
pip install torch-1.12.0a0+2c916ef.nv22.3-cp38-cp38-linux_aarch64.whl 

显示成功安装后，进行 python 界面，测试是否可以导入，以及 CUDA 是否可用。出现如下结果说明一切正常，可以进行下一步 torchvision 安装。如下所示：

(fgvc) abc@ubuntu:~$ python
Python 3.8.19 (default, Mar 20 2024, 19:53:40) 
[GCC 11.2.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.__version__
'1.12.0a0+2c916ef.nv22.3'
>>> torch.cuda.is_available()
True
>>> 

中间可能会出现一个小问题，显示没有 libopenblas-dev 东西，用如下命令进行安装即可解决：

sudo apt-get install libopenblas-dev

安装 torchvision

安装之前先运行以下命令：

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev

在环境变量里面添加内容：

export CUDA_HOME=/usr/local/cuda-11.4
# 然后更新
source ~/.bashrc

再看这个对照表

使用 git clone 下载 torchvision 的对应安装代码。

git clone --branch v0.13.0 https://github.com/pytorch/vision torchvision

然后在虚拟环境终端里面输入：

cd torchvision
export BUILD_VERSION=v0.13.0

然后再输入：

python3 setup.py install --user

之后进行调试，还是会有问题，但是具体基本都是一些库需要下载，进行下载即可。
可以参考这个链接：（里面的 export 不要加 v，不然版本会不匹配）
jetson agx orin 的pytorch、torchvision、tensorrt安装最全教程

# 下载 torchvision 时候报错 需要 numpy
Downloading https://files.pythonhosted.org/packages/51/fe/e4dab289c176ea4e13f97f11f281cc22d4a3b0add9883406db62d4f94d65/numpy-2.0.0b1.tar.gz#sha256=e0bb33a37d0d0b9a19cd41a093877f830e06bd4d989341b9792896cf08e629f7
Best match: numpy 2.0.0b1
Processing numpy-2.0.0b1.tar.gz
error: Couldn't find a setup script in /tmp/easy_install-di_cher0/numpy-2.0.0b1.tar.gz
# 下载 numpy 和 numpy 需要的其他库
(fgvc) abc@ubuntu:~/torchvision$ pip install certifi idna charset-normalizer numpy urllib3
# 参考上面的链接提前安装一些 torchvision 的依赖库

再运行之后问题解除
然后在 python 里面导入 torchvision，看是否有问题，结果如下，能出来 ‘v0.13.0’ 则可以继续安装其他依赖包：

(fgvc) be@ubuntu:~/torchvision$ python
Python 3.8.19 (default, Mar 20 2024, 19:53:40) 
[GCC 11.2.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> import torchvision
/home/be/torchvision/torchvision/io/image.py:13: UserWarning: Failed to load image Python extension: 
  warn(f"Failed to load image Python extension: {e}")
/home/be/torchvision/torchvision/__init__.py:28: UserWarning: You are importing torchvision within its own root folder (/home/be/torchvision). This is not expected to work and may give errors. Please exit the torchvision project source and relaunch your python interpreter.
  warnings.warn(message.format(os.getcwd()))
>>> torch.__version__
'1.12.0a0+2c916ef.nv22.3'
>>> torchvision.__version__
'0.13.0'
>>> 

安装其他依赖包

进入 pycharm，并在 Setting 设置好代码的虚拟环境之后，根据缺少的库的内容，使用 pip install 命令下载库。
需要的库及其命令如下，不需要找了，可以直接下载。

pip install numpy pandas matplotlib wandb psutil
pip install opencv-python
pip install scipy scikit-learn

如果下载中断，可以使用镜像源：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas

或者使用参数 –default-timeout：

pip install --default-timeout=600 pandas

然后再运行训练数据集的命令。
提前下载权重文件：
swin_large_patch4_window12_384_22k.pth，网址如下：
https://github.com/SwinTransformer/storage/releases/download/v1.0.0/swin_large_patch4_window12_384_22k.pth

下载好之后，将权重文件放置在这个路径下：
/home/abc/.cache/torch/hub/checkpoints
然后就发现可以训练了（这个不打算训练，所以 Ctrl + c 强行中断了），配置结束！