jetbot 01 从官方镜像开始搭建 pytorch 1.7 + opencv 4.5 开发环境

最新推荐文章于 2025-04-08 14:41:02 发布

walletiger

最新推荐文章于 2025-04-08 14:41:02 发布

阅读量1.7k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： jetson nano

本文链接：https://blog.youkuaiyun.com/walletiger/article/details/109736705

jetson nano 专栏收录该内容

17 篇文章

订阅专栏

6.2 安装 python3-pip 并对pip 源进行设置

8.2 安装 pytorch 1.7 和 torchvision 0.8

8.3 编译安装 opencv4.5

九系统clone 备份(自己选择过程节点备份）

9.1 清理垃圾

9.2 将tf 卡拨下连接到开发 ubuntu 主机

9.3 备份

9.4 备份恢复到 tf 卡(需要的时候)

一 jetbot 介绍

瞅一眼我的jetbot 小车长这样（某宝上 XX智能的jetbot 散套件，咣咣一顿拆了装装了拆之后，终于 it works ..）

二初衷

玩了一下机器人带的丰富的栗子。给个赞，然后觉得不过瘾。。

google 一下之后，各种大神的模型伸手摘来移植部署运行，人脸、文字、表情、姿势啊等因为依赖库版本不一致的冲突几下就把系统搞乱了。搞得 cuda 加速都运行不了。

不过比起大神们创造的惊喜这点折腾的困难算得了什么。

让我感慨人工智能的发展真的是像追星赶月，成熟的框架在飞奔似的演进，优秀的模型也在后浪拍前浪式的颠覆中成长。而我，只有惊呆的份。

不禁想起了一幅太阳带着众星奔跑的场景。。。

上船，踏在巨人们的肩膀上，从搭建环境开始！

三目标

主流的框架真的很多，我了解到的 jetson nano 平台上可以利用框架就有 cuda, cudnn, tensortRT , tensorflow , caffe , pytorch , keras , mxnet , onnx opencv等。

感觉是 pytorch 比较火，训练的模型还可以转换成 tensorRT 在 jetson 系列下获得开挂般的性能。所以计划是：

A 使用 jetson nano 最新的官方镜像（ jetPack 4.4.1 带 cuda 10.2 ) + pytorch 1.7 + torch vision 0.8 + opencv4.5 搭建一套基础开发环境（本篇的目标）

B 从好玩的实例入手，开始品尝 the state of art ... （会把很多模型折腾一下，学会使用）

C 把 jetbot 小车驱动车轮马达，镜头舵机的部分移植过来，让 robot 活动起来

D 做一些好玩的实用的例子。

tensortRT 的性能贴个别人的对比表格：

图片来源：

https://blog.youkuaiyun.com/jacke121/article/details/104515102

后记：

最新版本的路线坑不少，我验证的 github 上的一大半 models 都跑不起来，要折腾 :) 。爬坑有挑战，供参考。

四准备工作

准备多张 64g tf 卡，读卡器，建议 class 10 以上的保证速度

开发机上需要一张 nvidia 的显卡，用来训练模型，我搞了个入门级的 gtx 1080 （训练环境的搭建下节介绍），

这个显卡的配置是8G空间，FP16 算力是 9 TFLOPS (jetson nano 为 0.5 tflops ）

五系统安装

5.1 下载10月份最新镜像

从这里进入：

https://developer.nvidia.com/embedded/downloads

要登陆认证一下

5.2 烧写 sd卡

linux 下烧写比较简单， sd卡通过读卡器连接到系统之后一顿 dd 操作即烧写完成

如 sd卡识别为 /dev/sdc （（慎重不要找错设备名，通过 fdisk -l 确认）, 如下操作：

# 首先解压下载的镜像，得到 b01_blob_4g.img 
dd if=/dev/zero of=/dev/sdc bs=1M count=1  # 抹掉分区表
dd if=b01_blob_4g.img of=/dev/sdc bs=10M # 烧写镜像，12G, 与tf容量不一致等开机后根据菜单提示再扩。

5.3 加电启动和基本系统设置

tf 卡插到 jetson nano 核心板，先连接hdmi 屏幕和键盘, 启动后通过键盘完成系统基本安装基本上根据菜单提示完成：

创建用户

resize 分区为64g

连接WIFI (jetbot 套件带了一个 mini-PCIE的 wifi，可自行购买 usb 的无线网卡)

5.4 创建交换分区

# 交换空间很有必要，避免安装库和运行模型时空间不够系统 OOM 死掉

fallocate -l 8G /swap0

chmod 600 /swap0
sudo mkswap /swap0
sudo swapon /swap0
echo "/swap0 swap swap defaults 0 0" >> /etc/fstab

然后重启

六软件源设置与系统更新

6.1 apt 源

添加以下部分到 /etc/apt/sources.list

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-security main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-updates main multiverse restricted universe
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic-backports main multiverse restricted universe

添加完以后运行:

apt update 
# 选择性的删除一些无用的软件 
# apt remove libreoffice*
apt upgrade -y # 系统更新到最新，可以不更新

6.2 安装 python3-pip 并对pip 源进行设置

apt install python3-pip -y 
mkdir ~/.pip 
#写入以下内容到 ~/.pip/pip.conf 
[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host = mirrors.aliyun.com

6.3 安装 numpy scipy 等

使用pip3 安装，并验证下速度

pip3 install numpy scipy matplotlib

七 jupyter notebook

jupyter 是一个可远程通过网页开发和调试运行python 代码的工作，非常方便！推荐一下

7.1 安装

pip3 install  jupyter

7.2 初始化配置和生成密码

jupyter notebook --generate-config
jupyter notebook password
Enter password:  ****
Verify password: ****

7.3 打开远程访问

# 打开 ~/.jupyter/jupyter_notebook_config.py 文件, 并修改以下部分

c.NotebookApp.ip = '*'
c.NotebookApp.allow_root = True
c.NotebookApp.port = 8888

7.4 验证

#jetboot 上 shell 执行:
jupyter notebook

八深度学习库部署

8.1 自带基础库

JetPack 4.4.1 镜像自带了以下基础库:

cuda 11.0 cudnn 11.0 tesnorRT , vision works , gstreamer , opencv 4.1.1

8.2 安装 pytorch 1.7 和 torchvision 0.8

pytorch 下载 whl版本安装

https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-7-0-now-available/72048

下载好 pytorch_1.7.whl 之后 :

pip3 install  pytorch_1.7.whl  # 科鞋上网，下不下来就用源代码安装吧，我就用的源码编译了两三个小时

torchvision 编译安装：

git clone -b release/0.8.0  https://github.com/pytorch/vision.git vision_0.8.0
cd vision_0.8.0 && python3 setup.py install  # 遇到错误说找不到 libavcodec,  
                                             # apt install libavcodec-dev libavformat-dev libavutil-dev libswscale-dev 之后 
                                             # 再重新 python3 setup.py install

8.3 编译安装 opencv4.5

从官网下载 opencv-4.5.0.zip opencv_contrib-4.5.0.tar.gz

解压 opencv-4.5.0.zip , 把 opencv_contrib-4.5.0.tar.gz 解压到 opencv-4.5.0 目录中

4.5 发布了很多新的 features, 这个博文介绍的挺好：

https://blog.youkuaiyun.com/amusi1994/article/details/109108385

编译流程:

cd opencv-4.5.0
mkdir build
cd build 
#创建 build.sh ， 以下内容
cmake \
    -DCMAKE_BUILD_TYPE=Release \
    -DBUILD_PNG=ON \
    -DBUILD_TIFF=ON \
    -DBUILD_TBB=OFF \
    -DBUILD_JPEG=ON \
    -DBUILD_JASPER=OFF \
    -DBUILD_ZLIB=ON \
    -DBUILD_EXAMPLES=OFF \
    -DBUILD_opencv_java=OFF \
    -DBUILD_opencv_python2=OFF \
    -DBUILD_opencv_python3=ON \
    -DENABLE_PRECOMPILED_HEADERS=OFF \
    -DWITH_OPENCL=ON \
    -DWITH_OPENMP=OFF \
    -DWITH_FFMPEG=ON \
    -DWITH_GSTREAMER=ON \
    -DWITH_GSTREAMER_0_10=OFF \
    -DWITH_CUDA=ON \
    -DWITH_GTK=ON \
    -DWITH_VTK=OFF \
    -DWITH_TBB=ON \
    -DWITH_1394=OFF \
    -DWITH_OPENEXR=OFF \
    -DCUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda \
    -DCUDA_ARCH_PTX="" \
    -DINSTALL_C_EXAMPLES=OFF \
    -DOPENCV_ENABLE_NONFREE=ON \
    -DINSTALL_TESTS=OFF \
    -DOPENCV_EXTRA_MODULES_PATH=../opencv_contrib-4.5.0/modules \
    -DCMAKE_INSTALL_PREFIX=/usr/ \
    .. 

make -j4 
make install 

#执行 build.sh
chmod +x build.sh 
nohup build.sh > build.log & 
# 过程比较长，我是在板子里让它跑了一晚上

九系统clone 备份(自己选择过程节点备份）

9.1 清理垃圾

apt-get clean 
# 删掉无用的安装包文件 略

9.2 将tf 卡拨下连接到开发 ubuntu 主机

9.3 备份

dd if=/dev/sdc bs=10M | bzip2 >  jetbot_jetpack4_4_1.img.bz2

9.4 备份恢复到 tf 卡(需要的时候)

dd if=/dev/zero of=/dev/sdc bs=1M count=1 # 擦除分区表
bzip2 -dc jetbot_jetpack4_4_1.img.bz2  | dd of=/dev/sdc

jetbot 01 从官方镜像开始搭建 pytorch 1.7 + opencv 4.5 开发环境

一 jetbot 介绍

二 初衷

三 目标

四 准备工作

五 系统安装

5.1 下载10月份最新镜像

5.2 烧写 sd卡

5.3 加电启动和基本系统 设置

5.4 创建交换分区

六 软件源设置与系统更新

6.1 apt 源

6.2 安装 python3-pip 并对pip 源进行设置

6.3 安装 numpy scipy 等

七 jupyter notebook

7.1 安装

7.2 初始化配置和生成密码

7.3 打开远程访问

7.4 验证

八 深度学习库部署

8.1 自带基础库

8.2 安装 pytorch 1.7 和 torchvision 0.8

8.3 编译安装 opencv4.5

九 系统clone 备份(自己选择过程节点备份）

9.1 清理垃圾

9.2 将tf 卡拨下连接到 开发 ubuntu 主机

9.3 备份

9.4 备份恢复到 tf 卡(需要的时候)

二初衷

三目标

四准备工作

五系统安装

5.3 加电启动和基本系统设置

六软件源设置与系统更新

八深度学习库部署

九系统clone 备份(自己选择过程节点备份）

9.2 将tf 卡拨下连接到开发 ubuntu 主机