--- tags: Jetson Nano, Basic, NVIDIA, 基礎, 教學, 環境安裝, 設定, Mac, 勇哥, Yungger Refs: - https://abhatikar.medium.com/make-your-nvidia-jetson-nano-deep-learning-ready-a8f5fcd7b25c - https://www.jetsonhacks.com/2019/10/01/jetson-nano-visual-studio-code-python/ - https://medium.com/@kcchien/jetson-nano-%E5%AE%89%E8%A3%9D-visual-studio-code-a26a279293e6 - https://www.digikey.com/en/maker/projects/getting-started-with-the-nvidia-jetson-nano-part-1-setup/2f497bb88c6f4688b9774a81b80b8ec2 - https://www.rs-online.com/designspark/jetson-nano-1-cn --- # Jetson Nano - 開發環境 ![](https://i.imgur.com/qWoTXT3.jpg) [TOC] --- Python 3 --- Jetson Nano 已內建安裝 Python 2 與 Python 3, 但預設執行的版本為 Python 2。 :::info ### 將 Python 3 為預設的 Python 環境 直接在 .bashrc 設一個 Python 別名為 Python 3 來啟動 ::: - 修改 .bashrc `$ sudo nano ~/.bashrc` - 在文檔的最下面加上 `alias python=python3` - Ctrl+O 存檔 => Enter => Ctrl+X 離開 - 要記得, 讓環境變數即刻生效 `$ source ~/.bashrc` 輸入 python 後, 應該就可發現已是 3.x.x 版本了 `$ python 然後輸入 exit() 離開` ![](https://i.imgur.com/x4DK79S.jpg) :::warning ### 安裝 pip3 ::: - 下載與安裝 python3-pip `$ sudo apt-get install python3-pip` - 升級至最新版本 `$ python -m pip install --upgrade pip` - 查詢目前 pip3 版本 `$ pip3 -V` - 後續要安裝其他套件在 Python 3 環境下時 `$ pip3 install 套件名稱` --- Python 虛擬環境 --- 建議使用 mkvirtualenv 來建構虛擬環境，相較於 virtualenv 易於管理。此外，進入虛擬環境使用 workon 指令可更簡單方便的切換至指定開發環境 :::warning ### 安裝 virtualenv 與 virtualenvwrapper ::: - 下載與安裝 `$ sudo pip3 install virtualenv virtualenvwrapper` - 修改執行環境設定 `$ nano ~/.bashrc` - 在文檔的最後加入下列文字 ``` # virtualenv and virtualenvwrapper export WORKON_HOME=$HOME/.virtualenvs export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3 source /usr/local/bin/virtualenvwrapper.sh ``` ![](https://i.imgur.com/VI937hM.jpg) - Ctrl+O 存檔 => Enter => Ctrl+X 離開 - 要記得, 讓環境變數即刻生效 `$ source ~/.bashrc` :::warning ### 為新專案建立一個虛擬環境 例如專案名為 aicar, 解譯器是 python3 ::: - 新增虛擬環境 `$ mkvirtualenv aicar -p python3 --system-site-packages` - 查詢目前已建立虛擬環境的專案名 `$ workon` - 進入專案 aicar 的虛擬環境 `$ workon aicar` `$ pip3 list` ![](https://i.imgur.com/V2gysLv.jpg) - 離開專案 aicar 的虛擬環境 `$ deactivate` `$ pip3 list` ![](https://i.imgur.com/xVKMcoq.jpg) #### 有無發現 list 出來的底層環境與虛擬環境中所安裝的套件有何差別？ - 若要刪除虛擬環境 `$ rmvirtualenv 專案名` --- Python 專案套件 --- :::warning ### OpenCV Jetson Nano 時就預設已安裝 4.1.1 版本 ::: - 檢查目前已安裝的 OpenCV 版本 `$ opencv_version` 或從 Python 中檢查版本 `$ python3` ``` >>> import cv2 >>> cv2.__version__ '4.1.1' >>> exit() ``` 由上均可得知, OpenCV 已安裝, 且目前版本為 4.1.1 - 查 OpenCV 的安裝載入位置 `$ sudo find / -name "cv2*"` --- :::warning ### CUDA ::: - 檢查目前已安裝的 CUDA 版本 （在初始燒錄 Jetson Nano 時就預設已安裝） $ nvcc -V :::danger 一開始若直接執行 nvcc -V 是不會成功的，因為在環境變數中尚未設定 CUDA 的路徑。所以, 須直接指名路徑來執行 $ /usr/local/cuda/bin/nvcc -V ::: 得知我的 Jetson Nano 預設已裝的是 release 10.2, V10.2.89 - 將路徑加入環境變數中 $ ls -al /usr/local 可以得知目前的 cuda 所鏈結的目錄是 cuda-10.2 $ sudo nano ~/.bashrc 在最後面加入以下內容： ``` export CUDA_HOME=/usr/local/cuda export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH export PATH=/usr/local/cuda/bin:$PATH ``` 編輯完成後，存檔離開, 下指令使其即刻生效 $ source ~/.bashrc 再下指令測試, 可發現已可取得版本資訊, 代表路徑變數設定已成功 $ nvcc -V 安装 PyCuda $ pip3 install 'pycuda>=2019.1.1' --- :::warning ### cuDNN ::: - 檢查目前已安裝的 cuDNN 版本 （在初始燒錄 Jetson Nano 時就預設已安裝） $ ls -al /usr/src 可以看到檔案列表中有一個範例程式的目錄 (我的是 cudnn_sample_v8) $ cd /usr/src/cudnn_samples_v8/mnistCUDNN $ sudo make $ sudo chmod a+x mnistCUDNN $ ./mnistCUDNN 執行後, 接著會看到一些運算的過程, 直到最後一句是 "Test passed!" 表示內建的 cuDNN 是運作正常的。 --- :::warning ### [PyTorch](https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-6-0-now-available/72048) ::: for python 3.6 版本： $ wget https://nvidia.box.com/shared/static/9eptse6jyly1ggt9axbja2yrmj6pbarc.whl -O torch-1.6.0-cp36-cp36m-linux_aarch64.whl $ sudo apt-get install libopenblas-base libopenmpi-dev $ pip3 install Cython $ pip3 install numpy torch-1.6.0-cp36-cp36m-linux_aarch64.whl --- :::warning ### TensorRT ::: - 檢查目前已安裝的 TensorRT 版本 （在初始燒錄 Jetson Nano 時就預設已安裝） $ dpkg -l | grep TensorRT 可得知 TensorRT 版本為 7.1.3 --- :::warning ### [TensorFlow GPU](https://docs.nvidia.com/deeplearning/frameworks/install-tf-jetson-platform/index.html#install) ::: - 先檢查一下, 目前 JetPack 的版本 $ jetson_release 我的是 JetPack 4.4 [L4T 32.4.3] - 在安裝 TensorFlow 前, 須先裝裝一些[前置套件](https://docs.nvidia.com/deeplearning/frameworks/install-tf-jetson-platform/index.html#prereqs) $ sudo apt-get update $ sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran - 更新 pip3 $ sudo apt-get install python3-pip $ sudo pip3 install -U pip testresources setuptools - 安裝一些相關的套件 $ sudo pip3 install -U numpy==1.16.1 future==0.18.2 mock==3.0.5 h5py==2.10.0 keras_preprocessing==1.1.1 keras_applications==1.0.8 gast==0.2.2 futures protobuf pybind11 - 安裝最新版的 [TensorFlow](https://docs.nvidia.com/deeplearning/frameworks/install-tf-jetson-platform/index.html#install), 相容於 JetPack 4.4 $ sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow - 檢查目前已安裝的 TensorFlow 版本 $ python3 ``` >>> import tensorflow 顯示訊息如 .... I tensorflow/stream_executor/.... Successfully opened ... >>> exit() ``` 若無錯誤訊息出現, 表示已安裝成功 :::success 若要解除安裝 TensorFlow 相當容易, 只須下指令如下： $ sudo pip3 uninstall -y tensorflow ::: --- :::warning ### Keras ::: - 既然裝了 TensorFlow，那就把 Keras 也安装上，它能讓 TensorFlow使用上變得更簡單些 $ pip3 install keras - 檢查目前已安裝的 Keras 版本 $ python3 ``` >>> import keras 顯示訊息如 .... I tensorflow/stream_executor/.... Successfully opened ... >>> exit() ``` 若無錯誤訊息出現, 出現剛剛 Tensorflow 一樣的訊息 :::success 一個簡單的線性代數測試程式 ```python= import tensorflow as tf import numpy as np import matplotlib.pyplot as plt x_data = np.linspace(-0.5, 0.5, 200)[:, np.newaxis] noise = np.random.normal(0, 0.02, x_data.shape) y_data = np.square(x_data) + noise x = tf.placeholder(tf.float32, [None, 1]) y = tf.placeholder(tf.float32, [None, 1]) # 输入层一个神经元，输出层一个神经元，中间10个 # 第一层 Weights_L1 = tf.Variable(tf.random.normal([1, 10])) Biases_L1 = tf.Variable(tf.zeros([1, 10])) Wx_plus_b_L1 = tf.matmul(x, Weights_L1) + Biases_L1 L1 = tf.nn.tanh(Wx_plus_b_L1) # 第二层 Weights_L2 = tf.Variable(tf.random.normal([10, 1])) Biases_L2 = tf.Variable(tf.zeros([1, 1])) Wx_plus_b_L2 = tf.matmul(L1, Weights_L2) + Biases_L2 pred = tf.nn.tanh(Wx_plus_b_L2) # 损失函数 loss = tf.reduce_mean(tf.square(y - pred)) # 训练 train = tf.train.GradientDescentOptimizer(0.1).minimize(loss) with tf.Session() as sess: sess.run(tf.global_variables_initializer()) for i in range(2000): sess.run(train, feed_dict={x: x_data, y: y_data}) print("第{0}次，loss = {1}".format(i, sess.run(loss,feed_dict={x: x_data, y: y_data}))) pred_vaule = sess.run(pred, feed_dict={x: x_data}) plt.figure() plt.scatter(x_data, y_data) plt.plot(x_data, pred_vaule, 'r-', lw=5) ``` ::: :::warning ### [YOLO3-4 GPU](https://github.com/madhawav/YOLO3-4-Py) Accelerated Version ::: $ pip3 install yolo34py-gpu :::warning ### [Jetson.GPIO](https://docs.nvidia.com/jetson/l4t/index.html#page/Tegra%2520Linux%2520Driver%2520Package%2520Development%2520Guide%2Fhw_setup_jetson_io.html%23) ::: 參考 https://www.jianshu.com/p/f98a69b94deb 讓我們能透過 Python 操控 Jetson Nano 上的 40組 GPIO 接腳。 - 安裝 GPIO 函式庫 （預設已安裝） $ sudo pip install Jetson.GPIO $ sudo pip3 install Jetson.GPIO - 給予權限 $ sudo groupadd -f -r gpio $ sudo usermod -a -G gpio 你的帳號 - 測試是否已安裝可被引用 $ python3 ``` >>> import Jetson.GPIO as GPIO 若無錯誤訊息出現, 代表 OK >>> exit() ``` ![](https://i.imgur.com/79TA2EN.png) --- [jetson-stats](https://github.com/rbonghi/jetson_stats) 系統監控工具集 --- `$ sudo -H pip3 install -U jetson-stats` `sudo systemctl restart jetson_stats.service` `$ sudo reboot` 🚀 That's it! 🚀 記得還要重開機後, jetson-stats 的相關工具集就會被啟用 :::warning ### Jtop 監控工具 可用來查看系統運作時 CPU、GPU、記憶體各硬體的情況 ::: `$ jtop` 按 q 離開監控畫面 ![](https://i.imgur.com/8bZm9rm.gif) #### 程式中可直接使用 jetson-stats 所提供的函式庫的範例說明 - https://github.com/rbonghi/jetson_stats/wiki/library - https://github.com/rbonghi/jetson_stats/tree/master/examples :::warning ### jetson_config Check jetson-stats health, enable/disable desktop, enable/disable jetson_clocks, improve the performance of your wifi ::: `$ jetson_config` ![](https://i.imgur.com/v4aaRUV.png) :::warning ### jetson_release 顯示 NVIDIA Jetson 的狀態與所有資訊 ::: `$ jetson_release` ![](https://i.imgur.com/E00b2se.png) :::warning ### jetson_swap 管理 Jetson Nano 上的 swapfile ::: `$ sudo jetson_swap` :::warning ### jetson variables ::: `$ export | grep JETSON` ![](https://i.imgur.com/zxJ6Etx.png) --- 開發者 IDE 工具 --- :::info ### pyCharm 從開發者本機上存取遠端 Jetson Nano 主機上的程式碼 ::: - Tools -> Deployment -> Configuration - 點選左上角 “+”，添加 SFTP 連線，server name 可設置為 Jetson-Nano - Connection 中的一些參數設定： - Host: 填 Jetson-nano 的 IP - User name: 填 Jetson-nano 的登入用戶帳號 - PassWord: 填 Jetson-nano 的登入用戶密碼 (勾選記住密碼) - Root path: 可以不用自己填，直接點選旁邊的 Autodetect 即可 - 完成後，點選旁邊的 Mappings - Mappings： 設定文件對應關係 - Local path： 本地文件路徑 - Deployment path： Jetson nano 上的文件路徑 - 到此為止，SFTP 連線設定大致已完成，可以點擊 Tools -> Deployment -> Brose Remote Host, 即可在 pyCharm的右側視窗看見 Jetson-nano 中的文件了。 :::danger 注意，修改完程式碼後，還需要點擊右上方的 upload 箭頭符號，程式碼才會同步部屬至 Jetson-nano。 ::: #### 經過以上設定後，程式開發者就可以在本機的 pyCharm 上撰寫 Jetson-nano 上面的程式碼。 --- :::info ### Visual Studio Code ::: {%youtube 3A5tvO9UbwY %} :::warning ### 下載與安裝 [Visual Studio Code](https://code.visualstudio.com/#alt-downloads) Jetson Nano 的 CPU 是 ARM 64位元, 作業系統為 Ubuntu 18.04 的 .deb 檔 ::: - 指定為最新版本 `VERSION=latest` - 或指定版本 (例如 1.51.1) `VERSION=1.51.1` - 下載 `wget -N -O vscode-linux-deb.arm64.deb https://update.code.visualstudio.com/$VERSION/linux-deb-arm64/stable` - 安裝 `sudo apt install ./vscode-linux-deb.arm64.deb` :::warning ### 安裝相關 Python 套件 ::: - 安裝 Python linter `$ pip3 install pylint` - 安裝 Python formatter `$ pip3 install black` - 安裝 Python extension for Visual Studio Code `$ code --install-extension ms-python.python --force` :::warning ### 啟動 Visual Studio Code ::: - 進入圖形化作業系統 (本地 or 遠端桌面連線) - 由應用系統選單中啟動 - 或由終端機下指令啟動 `$ code` ![](https://i.imgur.com/j5smhYw.jpg) ---