安装torch、tensorflow其实跟普通在Linux系统安装没有区别，但是Linux是arch64位的，而jetson是aarch64位的，所以还是不太一样。
另外一个坑是：购买的创乐博的机器人，已经安装ros，但是安装torh的时候需要apt -get update导致，后续无法正常（大概率是这个原因，所以不建议使用这个命令！具体可以问客服）

---

参考操作参考文章 :【Jetson-Nano】jetson_nano安装环境配置及tensorflow和pytorch的安装_牛andmore牛的博客
文章里面已经讲述了如果烧录系统，设置交换空间,ssh远程连接nano并设置最大功率等等，前期没实验的可以看，这里省略。

---

关于风扇

我觉得风扇太吵，偶然发现，其实烧好的镜像里已经默认自启动风扇的最大挡位，太吵了就找了几个命令，具体参考：jetson nano 散热风扇控制 里面大佬讲原理挺好的

#控制风扇开关：
#ON :
sudo sh -c ‘echo 255 > /sys/devices/pwm-fan/target_pwm’
# 这个数值就是控制，别太小就行， 毕竟散热重要！

#OFF :
sudo sh -c ‘echo 0 > /sys/devices/pwm-fan/target_pwm’
#(slowly turned off)
# 注意是英文的单引号，复制过去容易出错

烧好的镜像写死了，可以去修改文件/etc/rc.local 下次启动就会生效

配置cuda

其实因为jetson自带gpu，百度可查；所以配置下环境变量就好

先配置cuda的环境变量, 填加PATH到.bashrc,具体路径.
1 首先，查看cuda的bin目录下是否有nvcc：
ls /usr/local/cuda/bin
如果存在，

sudo vim ~/.bashrc进入配置文件； 在最后面添加以下两行：

注意:在vim中通过Esc退回命令模式，通过I切换到输入模块，在输入模式下才可以输入文本

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

保存退出。
然后需要source下生效下。source ~/.bashrc
此时再执行nvcc -V执行结果如下 nvcc -V

检查其他环境

1检查OpenCV
Jetson-nano中已经安装了OpenCV4.1.1版本，可以使用命令检查OpenCV是否安装就绪

pkg-config opencv4 --modversion

如果OpenCv安装就绪，会显示版本号，我的版本是4.4.1

2检查cuDNN
Jetson-nano中已经安装好了cuDNN，并有例子可供运行，我们运行一下例子，也正好验证上面的CUDA
cd /usr/src/cudnn_samples_v8/mnistCUDNN/
sudo make #编译一下例子
./mnistCUDNN
如果以上无法运行可以添加权限如下方法：
sudo chmod a+x mnistCUDNN # 为可执行文件添加执行权限

如果成功，如下所示

更新PIP

sudo apt-get install -y python3-dev python3-testresources python3-setuptools 
wget https://bootstrap.pypa.io/get-pip.py
# 这句话我是没有执行成功，报警告，可以看看警告里有个新的地址，换一下就行；没有请忽略
sudo python3 get-pip.py
rm get-pip.py
pip -V # 查看版本没问题即可

下文中将使用pip来安装python的一些包，对于一些网络不好的情况，建议先改变pip的安装源到国内：

#如清华的源
https://pypi.tuna.tsinghua.edu.cn/simple
#豆瓣源
https://pypi.doubanio.com/simple
#临时改源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
#持久的设为默认源
pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
#如果您到 pip 默认源的网络连接较差，临时使用镜像站来升级 pip
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip -U

虚拟环境配置

因为这里的SD卡是32G的，第一次用虚拟环境装发实际大概用了5-6G（可能protubf很占地方，安装了两个虚拟环境）所以第二次装的时候我是直接在默认的python3.6装的，相当于把torch和tenfsorflow装在一个环境中，实用的话不建议这样操作）
下面的操作是直接在系统环境python3.6的过程，建议使用虚拟环境，注意在虚拟环境还是在系统环境

我们将使用python的虚拟环境，来保证你使用的环境互相独立。
使用virtualenv和virtualenvwrapper,(之前尝试过anaconda,由于各种包编译的问题 ，安装过程不是很顺利，为了快速使用，没有去做过深研究）,当然完全可以直接使用系统的python环境，这样更简单，按需进行吧。
安装命令：

sudo pip install virtualenv virtualenvwrapper

安装完之后，需要更新.bashrc vim ~/.bashrc
在文件底部输入

# virtualenv and virtualenvwrapper
export WORKON_HOME=$HOME/.virtualenvs #指定所有的需拟环境的安装位置
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3 #指定解释器
source /usr/local/bin/virtualenvwrapper.sh#进行激活生效

保存并退出，使用source 重新载入 source ~/.bashrc

接着创建python的虚拟环境，

mkvirtualenv nano -p python3 #-p 是指定解释器是python3

创建后直接进入了。
我的名字是nano,你可以自己定义。
一些virtualenvwrapper的常用命令：

#创建一个环境
mkvirtualenv name #在~/.virtualenvs下安装name的需拟环境
#激活工作环境
workon name
#workon后不加任何东西可以列出所有虚拟环境
#退出当前虚拟环境
deactivate
#删除虚拟环境，需先退出
rmvirtualenv name
#列出所有虚拟环境
lsvirtualenv

安装jtop

Jetson Nano中有个工具jtop, 可以同时查看CPU和GPU资源以及温度,另外就是可以把你当前的library show出来

sudo pip install --upgrade pip
sudo -H pip install jetson-stats
sudo jtop

选1ALL的内容

2GPU的内容

3CTRL的内容

4INFO的内容

按q退出。
下图为低功耗下的图：

安装torch

因为实验的时候没有安装jetson-inference ，所以不方便快速安装;想要安装的可以去原文链接中查看：:【Jetson-Nano】jetson_nano安装环境配置及tensorflow和pytorch的安装_牛andmore牛的博客

---

这个aarch64位的也很少有编译好的torch，好像国外都是自己下载torch的源码然后自己编译，为了省时间， 目前有一个外网论坛公布了编译好的针对该系统的（如下图），如果网不好，可以使用下面的百度网盘。
建议自己下载然后在使用，下载地址：

下载完后，本地安装 （安装过程中一般都会自动下载依赖项，目前没什么问题）

pip install ...wen jian ming ..whl

以下是说明文档中的内容，我们照着实现。

快速办法的来源：安装toch

验证


大概十几分钟安装完成

安装 torchvision

反正挺麻烦，对网络的要求比较多。。。。原文链接中好像是去下载源码然后自己编译，我试过一次，失败了。。

之前的百度网盘已经提供了版本，可以直接找到该文件然后本地安装即可。

验证pytorch 和torchvision

import torch
print(torch.__version__)
print(touch.cuda.is_available())
import torchvision
print(torchvision.__version__)

---

如果出现：“Illegal instruction(core dumped)”

外国的解决办法：python - Illegal instruction(core dumped) error on Jetson Nano - Stack Overflow
Ubuntu/Jetson Nano问题解决“Illegal instruction(core dumped)”
为避免麻烦每次都输入，直接写入环境

sudo vi ~/.bashrc最后添加
export OPENBLAS_CORETYPE=ARMV8
生效source ~/.bashrc

安装tensorflow

来源：【Jetson-Nano】2.Tensorflow和Pytorch的安装

在系统环境中安装一些包：依次执行就好
sudo apt-get install python3-numpy
sudo apt-get install python3-scipy
sudo apt-get install python3-pandas
sudo apt-get install python3-matplotlib
sudo apt-get install python3-sklearn

创建虚拟环境并激活：

mkvirtualenv nano
workon nano

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
安装步骤如下：

wget https://raw.githubusercontent.com/jkjung-avt/jetson_nano/master/install_protobuf-3.8.0.sh #需要科学上网，否则可以直接在浏览器中打开这个网址（https://github.com/jkjung-avt/jetson_nano/blob/master/install_protobuf-3.8.0.sh）
#把文件中的这一行注释掉sudo apt-get install -y python3-pip
sudo chmod +x install_protobuf-3.8.0.sh
./install_protobuf-3.8.0.sh

protobuf安装其实就是一个命令脚本sh，然后执行再链接到虚拟环境，但是这个脚本试过一次，中间遇到很多问题突然中断，建议依次执行这个脚本里的每一句。 回到用户家目录，依次执行

#!/bin/bash

set -e

folder=${HOME}/src
mkdir -p $folder

echo "** Install requirements"
sudo apt-get install -y autoconf libtool

echo "** Download protobuf-3.8.0 sources"
cd $folder
if [ ! -f protobuf-python-3.8.0.zip ]; then
  wget 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 ]; then
  wget https://github.com/protocolbuffers/protobuf/releases/download/v3.8.0/protoc-3.8.0-linux-aarch_64.zip
fi

echo "** 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/protoc

echo "** Build and install protobuf-3.8.0 libraries"
export PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=cpp
cd protobuf-3.8.0/
./autogen.sh
./configure --prefix=/usr/local
make -j$(nproc)
make check
sudo make install
sudo ldconfig

echo "** 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_implementation

echo "** Build protobuf-3.8.0 successfully"

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_implementation

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 numpy==1.16.1
# 还有其他依赖
pip install -U testresources setuptools
pip install -U future mock h5py keras_preprocessing keras_applications gast futures pybind11
# 这几个包，其实没有安装太成功，但是好像也没有关系，可以一个个安装，如果还不可以，本地安装tf时也会自动下载

安装过程中好像h5py安装很慢，最后还报错了，可以先跳过最后再安装，

我的tensorflow安装的是1.15版本的，再百度网盘提供了连接：
直接本地安装就好。有些依赖会自动下载

pip install ...wen jian ming ..whl

安装其它常用库（自选）

pip3 install scipy
pip3 install keras==2.3.0
pip3 install pillow
pip3 install matplotlib
pip3 install scikit-learn
pip3 install scikit-image
pip3 install jupyter 

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__)'

验证一下tensorflow是否支持GPU

问题

这里的警告可以不用在意，如果可以建议还是用虚拟环境

时间同步的问题

参考：jetson nano设置时间同步

nano时间不准确，在网上试了多种方式，但是一关机之后，再次开启时，时间又恢复默认啦！！！

小伙伴们可以尝试以下方式：

首先安装时间同步协议ntp：sudo apt-get install ntpdate
然后设置中国时间ntp服务器时间： sudo ntpdate cn.pool.ntp.org
最后设置硬件时钟同步：sudo hwclock --systohc

设置root（不推荐）

1.设置root用户和密码
首先用快捷键crtl+alt+T 打开终端，显示的是用户名@电脑名：~$，符号$就表示现在处于普通用户权限。
然后输入：sudo passwd root
输入两次密码，回车，成功

参考

【Jetson-Nano】2.Tensorflow和Pytorch的安装
查看Jetson系列产品JetPack的版本信息
NVIDIA Jetson xavier NX上安装pytorch_前面一二三四是失败的方法，可以直接按照步骤五进行安装…
【Jetson-Nano】jetson_nano安装环境配置及tensorflow和pytorch的安装