Try   HackMD

參考：https://zhuanlan.zhihu.com/p/80809006

Jetson Nano - 開發環境設定

Python 3

Jetson Nano 的內建初始安裝了 Python 2 (預設執行) 與 Python 3. 若希望預設執行時是 Python 3, 那麼建議直接在 .bashrc 將它設一個別名來啟動。

  • 指定 Python 3 為預設的 Python 環境

    $ sudo nano ~/.bashrc
    在文檔的最下面加上
    alias python=python3
    然後存檔離開, 再下指令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

  • 安裝 pip3

    $ sudo apt-get install python3-pip
    $ pip3 -V

    若需要安裝的是 pip 時
    $ sudo apt-get install python-pip

    後續要安裝其他 Python 套件時, 下 pip3 指令就能將之安裝在 Python 3 環境下
    $ 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，要進入虛擬環境也可以使用 workon 指令快速進入環境。
    $ sudo pip3 install virtualenv virtualenvwrapper
    $ 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
    $ source ~/.bashrc
  • 建立一個專案的虛擬環境, 例如專案名為 aicar, 解譯器是 python3
    $ mkvirtualenv aicar -p python3
  • 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
  • 離開
    $ deactivate
    $ pip3 list
    有無發現 list 出來的套件有何差別？

若要刪除虛擬環境
$ rmvirtualenv 專案名

jetson-stats

$ sudo -H pip3 install -U jetson-stats

🚀 That's it! 🚀
記得還要重開機後, jetson-stats 的工具才能被啟動

  • 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

    Image Not Showing Possible Reasons
    • The image file may be corrupted
    • The server hosting the image is unavailable
    • The image path is incorrect
    • The image format is not supported
    Learn More →

    按 q 離開監控畫面

    程式中可直接使用 jetson-stats 所提供的函式庫的範例說明

  • jetson_config:

    Check jetson-stats health, enable/disable desktop, enable/disable jetson_clocks, improve the performance of your wifi are available only in one click using
    $ jetson_config

    Image Not Showing Possible Reasons
    • The image file may be corrupted
    • The server hosting the image is unavailable
    • The image path is incorrect
    • The image format is not supported
    Learn More →

  • jetson_release

    顯示 NVIDIA Jetson 的狀態與所有資訊
    $ jetson_release

    Image Not Showing Possible Reasons
    • The image file may be corrupted
    • The server hosting the image is unavailable
    • The image path is incorrect
    • The image format is not supported
    Learn More →

  • jetson_swap

    很簡單的就能管理 Jetson Nano 上的 swapfile.
    $ sudo jetson_swap

  • jetson variables

    $ export | grep JETSON

    Image Not Showing Possible Reasons
    • The image file may be corrupted
    • The server hosting the image is unavailable
    • The image path is incorrect
    • The image format is not supported
    Learn More →

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

    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'

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。

OpenCV

  • 檢查目前已安裝的 OpenCV 版本 （在初始燒錄 Jetson Nano 時就預設已安裝）
    $ python3 
    ​​​​>>> import cv2
​​​​>>> cv2.__version__
​​​​'4.1.1'
​​​​>>> exit()
    由上可得知, OpenCV 已正常安裝, 且目前版本為 4.1.1
    $ sudo find / -name "cv2*"
    可查得 OpenCV 的安裝載入位置

PyTorch

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

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

TensorFlow GPU

  • 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
    $ 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 numpy1.16.1 future0.18.2 mock3.0.5 h5py2.10.0 keras_preprocessing1.1.1 keras_applications1.0.8 gast==0.2.2 futures protobuf pybind11
  • 安裝最新版的 TensorFlow, 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

    若要解除安裝 TensorFlow 相當容易, 只須下指令如下：
    $ sudo pip3 uninstall -y tensorflow

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

一個簡單的線性代數測試程式








































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)

YOLO3-4 GPU Accelerated Version

$ pip3 install yolo34py-gpu

Jetson.GPIO

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()

測試 CSI camera 畫面

$ gst-launch-1.0 nvarguscamerasrc ! 'video/x-raw(memory:NVMM), width=1024, height=768, framerate=21/1, format=NV12' ! nvvidconv flip-method=0 ! 'video/x-raw,width=960, height=616' ! nvvidconv ! nvegltransform ! nveglglessink -e

Last changed by 
 
Yungger（勇哥）
一個創客 ！！
0
2156

Read more

Python+OpenCV : 第一課

:::info ::: :::warning 目錄 [TOC] :::

Mar 24, 2021
Python+OpenCV : 第二課 虛擬環境的移植與新建

:::info ::: :::warning 目錄 [TOC] :::

Jan 5, 2021
Jetson Nano - 入門

[TOC] NVIDIA® Jetson Nano™ 具備 472 GFLOP 的運算能力，可快速執行現代人工智慧演算法，並可同時執行多個神經網路，以及同步處理數個高解析度感應器，非常適合應用在入門級網路錄影機 (NVR)、家用機器人，以及具備完整分析功能的智慧閘道器。 NVIDIA® Jetson Nano™ Developer Kit 是一部小而強大的電腦，可讓你同時執行多個神經網路，適合應用於影像分類、物件偵測、分割和語音處理等應用，來進行AI相關的創作。 NVIDIA JetPack 提供 Jetson Nano 開發板資源包（BSP）、Linux OS、NVIDIACUDA®、cuDNN和TensorRT™軟件庫，用來深入學習、電腦視覺、GPU演算、多媒體處理等。此軟體甚至可用SD卡映像來使用，讓使用者快速上手。 NVIDIA Jetson™ 系列產品都使用 JetPack SDK，並與NVIDIA的AI平台完全兼容，有利於AI訓練和裝置AI軟件。 認識 VIDIA® Jetson Nano™ Developer Kit B01 (新版) :::info

Dec 31, 2020
Python+OpenCV : 第三課 圖像

:::info ::: :::warning 目錄 [TOC] :::

Dec 28, 2020
Read more from Yungger（勇哥）
Published on HackMD