在Jetson Nano中安装Tensorflow与PyTorch，解决arm架构h5py、sklearn、TLS block等问题

本文链接：https://blog.youkuaiyun.com/liuqixuan1994/article/details/112347654

本文介绍了如何在Jetson Nano上安装Tensorflow和PyTorch，包括设置Python环境、安装conda、降低Python版本、安装依赖库，并解决了在arm架构上遇到的h5py、sklearn、TLS等问题。详细步骤涵盖从安装系统依赖到安装ROS的过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Setup Jetson Nano

因为Nano是Arm架构，所以相比x86_64架构的配置流程有所区别。

解决BUG部分请直接跳到本文最后。

1. Notification

Arm的许多源是与x86_64源不同的，所以除非很有把握，最好保持Nvidia出厂配置的源不变，轻易不改变软件源。

另外Nvidia官方提供的系统镜像中，是已经配置好CUDA、NVCC、CuDNN等组件的，不需要再自行配置，具体可通过nvcc -V、ls /usr/local/cuda等查看。

特别注意，不能使用nvidia-smi并不是bug，是因为Nano镜像中确实没有此工具。

2. Setup Python Env.

Python既可以使用apt安装在系统目录中，也可以使用conda安装在用户目录中。

2.1 安装到系统

sudo apt update
sudo apt install python3-pip
sudo pip3 install -U pip

如果想（或需要）使用命令python、pip来代替python3、pip3，可以通过创建/修改软链接的方法替换原命令：

sudo ln -sf /usr/bin/python3 /usr/bin/python
sudo ln -sf /usr/bin/pip3 /usr/bin/pip

当然如果不想用软链接，也可以通过修改配置文件（如添加alias等）达到目的，具体做法自行搜索。
完成后使用which python和python -V确认版本。

2.2 安装到用户主目录

2.2.1 Install conda with miniforge

传统架构中，经常使用anaconda或miniconda管理python环境，但arm架构中需要使用miniforge代替：

cd ~
wget https://github.com/conda-forge/miniforge/releases/download/4.8.2-1/Miniforge3-4.8.2-1-Linux-aarch64.sh
bash Miniforge3-4.8.2-1-Linux-aarch64.sh

安装过程中，按q跳过用户协议