筆記（六）Jetson Nano 安裝TensorFlow GPU

安裝TensorFlow GPU需要確定CUDA能過正常使用，檢查方法見上一篇博文。

同時，在安裝前也需要安裝一些機器學習相關依賴包，本文所安裝的TensorFlow GPU版本為2.3.0，教程中也有1.x版本的安裝方式。

1、pip安裝、配置國内源及更新

Jetson Nano 已經安裝了Python3.6，使用下述指令安裝：

sudo apt install python-pip python-dev python3-pip python3-dev
           

【注意】:

python-pip

：為python2安裝python包的pip版本，使用方法為

pip install <package>

python3-pip

：為python3安裝python包的pip版本，使用方法為

pip3 install <package>

pip安裝完成後，預設都是9.0.1版本，分别使用

pip -V

和

pip3 -V

（大寫V）檢視：

swor[email protected]:~$ pip -V
pip 9.0.1 from /usr/lib/python2.7/dist-packages (python 2.7)
swo[email protected]:~$ pip3 -V
pip 9.0.1 from /usr/lib/python3/dist-packages (python 3.6)
           

由于在國内，有時候安裝python庫會特别慢，是以可以更換國内源，加載安裝速率，下述指令臨時使用清華鏡像源更新pip：

# 臨時使用清華源更新pip3,更新完成後，部落客的版本為20.2.3，版本号後續會逐漸增加
python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple
python3 -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple
           

使用下述指令可以更改python鏡像源為清華pypi鏡像源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
           

如果有其他更好的鏡像源選擇，可以将

https://pypi.tuna.tsinghua.edu.cn/simple

更換為所選擇的鏡像源位址。

2、安裝機器學習常用包

sudo apt install python3-scipy -y
sudo apt install python3-pandas -y
sudo apt install python3-sklearn -y
sudo apt install python3-seaborn -y
           

上述指令會自動安裝numpy和matplotlib等依賴包。

部落客所用系統版本已經安裝了前兩個，具體得根據系統版本來。

3、安裝TensorFlow GPU版本

（1）檢查CUDA是否正常安裝

輸入

nvcc -V

檢視，如果沒有正常安裝，見上一篇博文，出現下述類似内容表示正常安裝：

[email protected]:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_21:14:42_PDT_2019
Cuda compilation tools, release 10.2, V10.2.89
           

（2）安裝TensorFlow所需包：

HDF5時一種為存儲和處理大容量科學資料設計的檔案格式及相應庫檔案。

sudo apt-get update
sudo apt install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran
           

（3）安裝Python依賴包：

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
           

（4）安裝TensorFlow GPU版本

使用pip3安裝TensorFlow，該指令将安裝與JetPack 4.4相容的TensorFlow的最新版本（部落客使用該指令成功安裝TensorFlow2.3.0，安裝過程很漫長）：

sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow
           

TensorFlow版本2是最近釋出的，并且與TensorFlow 1.x并不完全向後相容。如果您希望使用TensorFlow 1.x軟體包，則可以通過将TensorFlow版本指定為小于2來安裝它，如以下指令所示：

sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 ‘tensorflow<2’
           

4、測試TensorFlow

回到指令終端，輸入

python3

，使用python3.6測試TensorFlow GPU版本，依次輸入下述指令：

import tensorflow as tf
# 輸出提示：
# 2020-10-11 15:25:36.253267: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcudart.so.10.2

a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
# 輸出結果：
# tf.Tensor(3.0, shape=(), dtype=float32)
 
print('GPU:', tf.test.is_gpu_available())
# 輸出最後一句為：
# GPU: True
           

輸出大緻如下圖所示，表示安裝成功，然後就使用

exit()

退出python3環境：

5、安裝Keras

使用下述指令安裝Keras：

sudo pip3 install keras
           

安裝完成後，使用

python3

進入python3.6終端，輸入

import keras

，檢視是否安裝成功，出現下述結果表示安裝成功：

[email protected]:/usr/local$ python3
Python 3.6.9 (default, Jul 17 2020, 12:50:27) 
[GCC 8.4.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import keras
2020-10-11 16:40:15.243691: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcudart.so.10.2
>>> 
           

參考連結：

Installing TensorFlow For Jetson Platform

Jetson Nano Tensorflow-GPU 安裝

玩轉Jetson Nano（三）安裝TensorFlow GPU

CUDA10.0、CUDNN（和cuda對應版本），tensorflow2.0在windows下的安裝及配置