配置jetson nano深度学习yolov5环境（二、安装系统镜像、cuda、conda、python、torch、torchvision等）

---

前言

从上一节我们知道了具体的配置思路，这一节介绍安装的具体步骤，主要有安装conda、python、torch、torchvision等。下面按照步骤来操作。注意安装python后才可以安装torch，再编译torchvision，其他的缺什么补什么。
这是官方的nano介绍以及安装步骤：Getting Started with Jetson Nano 2GB Developer Kit
安装参考链接：【jetson nano】jetson nano环境配置+yolov5部署+tensorRT加速模型

---

一、安装系统镜像

参考链接：jetson nano 部署yolov5目标检测 并且 tensorRT加速（保姆级教程）
关于镜像，我建议32G的话就安装纯净板。128以上再考虑安装别人已经配置好的环境。当然你安装好以后也可以移植到大一点的内存。

1. 格式化内存

如果用的是旧卡，必须全部格式化，新卡可以忽略。使用读卡器连接上电脑，电脑上会显示8个盘（应该）这是他的分区，我建议全部格式化。格式化工具使用sd card manger。格式化后就变成了一个盘。
格式化参考这个：Jetson Nano入门教程：硬件篇+视频学习教程

2. 安装系统

1. 下载镜像到你的电脑上：官方向导下载链接
   也可以下载官方可选的镜像。JetPack Archive
   下载后需要解压。
   
2. 点击关于linux的向导，下载一个烧写软件etcher，将镜像烧写到SD卡中。当然也可以自行搜索别的。烧写至少需要半个小时，静静等待。
   
3. 安装后就可以插入启动了，刚开始需要配置一些东西。可以配置一个拼音输入法，语言设置为英文，不需要换成中文。再就是关屏时间。其他的可以不安装。
   参考链接：Jetson Nano 从入门到实战（案例：Opencv配置、人脸检测、二维码检测）

二、配置cuda

安装好系统后，系统就自带了cuda，我们只需要配置一下环境变量就可以用了。

 1. 打开环境变量文件，也可以用vim,nano指令，编辑完记得保存，没有权限就用sudo。
gedit ～/.bashrc   
 2. 在里面输入以下内容，记得打开/usr/local/路径下看看是否有cuda和cuda-10.2文件夹，没有的话就需要重新安装镜像了。
export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_ROOT=/usr/local/cuda
 3. 应用一下
source .bashrc
 4. 查看cuda版本看是否配置成功，出现如下信息就是配置成功
nvcc -V

三、安装虚拟环境conda

在上一节有介绍安装conda。
arrichconda 0.2.3的github下载链接：https://github.com/Archiconda/build-tools/releases
在板子上bash即可，安装位置就在home。
安装期间出现more注意按回车键，出现询问yes或者no，要输入全写。
安装最后一步会提示是否添加环境变量，也选yes。但是仍然可能不能用。需要手动添加环境变量，已经自动添加的不管。
安装conda步骤如下：

 1. 安装arrichconda
bash 拖拽.sh文件或者复制路径
 2. 配置环境变量，在自动添加的环境变量后面，手动添加下面的指令
export PATH="/home/zju-oceanrobot/archiconda3/bin:$PATH"
3. 查看conda 版本
conda -V
 4. 创建新的虚拟环境,并指定python3.6，trt是虚拟环境名称。
conda create -n trt python=3.6
 - 有时候指定python安装会安装不了，因为镜像源里面没有或者网络连接卡顿致使报错。
 - 首先试试换源，这个可以自己百度conda换源去，也可以参考别的博主。
 - 但是我尝试了之后也不行，这就需要创建一个默认的环境，然后在里面自己手动安装python3.6。linux手动安装python有点麻烦。
5.创建默认虚拟环境，一般默认安装的是python3.7，可能时间有点长。因为conda有点慢。
conda create -n trt
6.查看虚拟环境
conda env list
7.进入虚拟环境
conda activate trt

---

四、手动安装python3.6

参考这个链接安装：详解如何在 Linux 中安装最新的 Python 3.6 版本

安装必看注意点：

1. 安装python前需要安装pip，以及numpy。

2. 下载python时可以进入python官网下载。可能./configure也会报错，但这个命令可以百度解决，就是貌似后面不做优化。

3. 注意make可make install分开进行。之前的python版本也不需要卸载。

4. 安装pip，用conda安装非常慢，而且容易安装不上，我安装了好多次，才终于成功。 
   conda install pip 
   

5. 当然也可以离线安装，成功率大一些。在linux中安装pip

6. pip安装后是在虚拟环境中，进入虚拟环境查看pip版本，pip -V ，如果不行，再添加环境变量，再次进入gedit ~/.bashrc，加入下面这句，注意修改为自己的路径。

   export PATH="/home/zju-oceanrobot/archiconda3/envs/trt/bin/pip:$PATH"
   

   7.确保pip能用之后，再安装numpy

   pip install numpy==1.19.5
   

   8.之后再手动安装python3.6

五、安装pytorch1.8

1.下载

我建议下载别人的：Jetson Nano部署YOLOv5与Tensorrtx加速——（自己走一遍全过程记录）
别人都搞定了，为什么非要自己去官网下呢。
自己不信邪，非要自己下也可以。那就要预先了解好兼容的版本。然后从下面torch官网找
https://download.pytorch.org/whl/torch_stable.html
要找cu102，代表cuda是10.2版本。然后就是cp36，代表python3.6。算了别折腾了，需要下载torch1.8，torchvision0.9，万一找错了，直接心态崩了。
人家网盘里torch和torchvison都下好了。

2.安装torch

pip install 拖拽文件或者复制路径。
没有权限就sudo，pip不行就pip3，看你安装的是名称是什么。安装torch比较慢，静静等待。大概半个小时以上。

六、安装torchvision

依然参照上面的来，大佬写的很不错。

1.安装好依赖

sudo apt-get install libopenmpi2
sudo apt-get install libopenblas-dev
sudo apt-get install libjpeg-dev zlib1g-dev

2.进入编译

编译比安装torch还费时间，静静等待。

cd torchvision	# 进入到这个包的目录下
export BUILD_VERSION=0.9.0
sudo python3 setup.py install		

七、测试torch的cuda是否可用

python
import torch
import torchvision
print(torch.cuda.is_available())	# 这一步如果输出True那么就成功了！
quit()	# 最后退出python编译

八、出现的问题

1. pip安装不上

安装pip有两种。一种是conda来安装，但是特别依赖镜像源，也特别慢。第二种是下载离线包，手动解压安装，这个我没试。第一种conda安装有点随缘。这个pip很关键，一定要装上，没有pip安装东西比较麻烦。

2. python3.6安装不上

在make时报错，官方说的是环境变量里面加下面这个，但是我加了仍然报错。查到有人说与numpy有关，于是我重新安装了numpy，貌似版本需要是1.19。 之后安装了numpy==1.19.5，就没问题了。

	export OPENBLAS_CORETYPE=ARMV8

	pip install numpy==1.19.5

3.运行detect.py提示没有 torch这个模块。

安装了torch，也测试了cuda可以用，但在运行检测时一直提示没有torch模块，最后发现我安装python时将系统库里的其他python都删了，在/usr/lib路径下的python文件夹，目前安装好新的python后，里面的dist-packages，并没有找到tensorrt，于是我从另一块板子复制了一份，加了进去，就可以运行了。所以不要擅自删python，继续安装即可。

总结

至此，就算环境配置差不多了，大问题已经解决了，后面只需要配置yolo的环境就行。以及tensortt加速就行。下一节介绍安装运行yolo的环境，因为这个比较简单，我就连着tensorrt加速也讲了。