笔记（六）Jetson Nano 安装TensorFlow GPU

安装TensorFlow GPU需要确保CUDA能过正常使用，检查方法见上一篇博文。

同时，在安装前也需要安装一些机器学习相关依赖包，本文所安装的TensorFlow GPU版本为2.3.0，教程中也有1.x版本的安装方式。

1、pip安装、配置国内源及升级

Jetson Nano 已经安装了Python3.6，使用下述命令安装：

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

【注意】:

python-pip

：为python2安装python包的pip版本，使用方法为

pip install <package>

python3-pip

：为python3安装python包的pip版本，使用方法为

pip3 install <package>

pip安装完成后，默认都是9.0.1版本，分别使用

pip -V

和

pip3 -V

（大写V）查看：

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)
           

由于在国内，有时候安装python库会特别慢，所以可以更换国内源，加载安装速率，下述命令临时使用清华镜像源更新pip：

# 临时使用清华源更新pip3,更新完成后，博主的版本为20.2.3，版本号后续会逐渐增加
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镜像源为清华pypi镜像源：

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

如果有其他更好的镜像源选择，可以将

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

更换为所选择的镜像源地址。

2、安装机器学习常用包

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

上述指令会自动安装numpy和matplotlib等依赖包。

博主所用系统版本已经安装了前两个，具体得根据系统版本来。

3、安装TensorFlow GPU版本

（1）检查CUDA是否正常安装

输入

nvcc -V

查看，如果没有正常安装，见上一篇博文，出现下述类似内容表示正常安装：

[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）安装TensorFlow所需包：

HDF5时一种为存储和处理大容量科学数据设计的文件格式及相应库文件。

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）安装Python依赖包：

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）安装TensorFlow GPU版本

使用pip3安装TensorFlow，该命令将安装与JetPack 4.4兼容的TensorFlow的最新版本（博主使用该命令成功安装TensorFlow2.3.0，安装过程很漫长）：

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

TensorFlow版本2是最近发布的，并且与TensorFlow 1.x并不完全向后兼容。如果您希望使用TensorFlow 1.x软件包，则可以通过将TensorFlow版本指定为小于2来安装它，如以下命令所示：

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

4、测试TensorFlow

回到命令终端，输入

python3

，使用python3.6测试TensorFlow GPU版本，依次输入下述指令：

import tensorflow as tf
# 输出提示：
# 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)
# 输出结果：
# tf.Tensor(3.0, shape=(), dtype=float32)
 
print('GPU:', tf.test.is_gpu_available())
# 输出最后一句为：
# GPU: True
           

输出大致如下图所示，表示安装成功，然后就使用

exit()

退出python3环境：

5、安装Keras

使用下述命令安装Keras：

sudo pip3 install keras
           

安装完成后，使用

python3

进入python3.6终端，输入

import keras

，查看是否安装成功，出现下述结果表示安装成功：

[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
>>> 
           

参考链接：

Installing TensorFlow For Jetson Platform

Jetson Nano Tensorflow-GPU 安裝

玩转Jetson Nano（三）安装TensorFlow GPU

CUDA10.0、CUDNN（和cuda对应版本），tensorflow2.0在windows下的安装及配置