简要的Jetson Nano使用说明，包括安装环境等。
系统烧录和SSD启动
前往英伟达开发者网站下载系统镜像。
下载完成后使用balenaEtcher烧录到sd卡或者ssd。
注意，Jetson Nano B01虽然有m.2接口但该接口并不支持硬盘，ssd只能从usb启动。
只需要将写好系统的ssd在一台linux机器上挂载APP分区，修改文件/boot/extlinux/extlinux.conf
LABEL primary
MENU LABEL primary kernel
LINUX /boot/Image
INITRD /boot/initrd
APPEND ${cbootargs} quiet root=/dev/mmcblk0p1 rw rootwait rootfstype=ext4 console=ttyS0,115200n8 console=tty0 fbcon=map:0 net.ifnames=0
将/dev/mmcblk0p1修改为/dev/sda1即可
conda
常用linux写代码的比较熟悉Anaconda。
Anaconda官方之前只提供了x86的版本，最近刚更新了ARM64平台的支持，但本人没有尝试过，这里不推荐也不反对
笔者使用的是Archiconda
直接下载脚本安装
Archiconda已经停止维护，转用Miniforge。
在清华大学Tuna镜像站可以找到最新的Miniforge发行版。
pytorch和torchvision
英伟达很良心得为大家准备了官方编译的PyTorch， 也提供了官方的安装说明，直接去官网查看。
torchvision安装参考Qengineering的教程
验证安装
import torch
print(torch.__version__)
print(torch.cuda.is_available())
import torchvision
print(torchvision.__version__)
可能会报错
>>> import torch
Illegal instruction (core dumped)
这是numpy 1.19.5 的issue，使用指令pip install numpy==1.19.4降级可以解决
libtorch
上一步安装的torch包含了C++的库文件即libtorch。
使用指令python -c 'import torch;print(torch.utils.cmake_prefix_path)'可以查看目录。
要在安装了torch的conda环境中执行这个指令👆
然后将输出的结果设置为CMake脚本的参数CMAKE_PREFIX_PATH。
这里给出一个示例工程作为参考。
工程文件结构
$ tree
.
├── CMakeLists.txt
├── include
│ └── network.h
├── README.md
└── src
└── main.cpp
CMakeLists.txt
cmake_minimum_required(VERSION 3.2)
project(torch_example)
set(CMAKE_PREFIX_PATH /your/libtorch/dir/here)
find_package(PythonInterp REQUIRED)
find_package(Torch REQUIRED)
set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} ${TORCH_CXX_FLAGS}")
add_executable(${PROJECT_NAME} src/main.cpp include/network.h)
include_directories(./include)
target_link_libraries(${PROJECT_NAME} ${TORCH_LIBRARIES})
set_property(TARGET ${PROJECT_NAME} PROPERTY CXX_STANDARD 14)
include/network.h
#pragma once
#include <iostream>
#include <torch/torch.h>
// 创建Net类的实现
struct NetImpl: torch::nn::Module
{
NetImpl(int fc1_dims, int fc2_dims):
fc1(fc1_dims, fc1_dims), fc2(fc1_dims, fc2_dims), out(fc2_dims, 1)
{
register_module("fc1", fc1);
register_module("fc2", fc2);
register_module("out", out);
}
torch::Tensor forward(torch::Tensor x){
x = torch::relu(fc1(x));
x = torch::relu(fc2(x));
return out(x);
}
torch::nn::Linear fc1, fc2, out;
};
// 调用宏模板创建一个类
TORCH_MODULE(Net);
src/main.cpp
#include <torch/torch.h>
#include <iostream>
#include "network.h"
using namespace torch;
int main()
{
Net network(50, 10);
auto x = torch::randn({2, 50});
// torch::Device device(torch::kCPU);
// if (torch::cuda::is_available())
// {
// std::cout << "CUDA is available" << std::endl;
// device = torch::kCUDA;
// }
// x.to(device);
// network->to(device);
// network->out->to(device);
std::cout << network << std::endl;
std::cout << x << std::endl;
auto output = network->forward(x);
std::cout << output << std::endl;
return 0;
}
OpenCV
OpenCV如果只需要在python上使用可以用conda安装，如果要用C++而且需要最新版本，只能从源码编译。
直接参考Qengineering给出的OpenCV教程。
这里给出一个libtorch+OpenCV的示例工程作为参考。