Jetson Nano 安装 Tensorflow2
Jetson Nano 是 arm 架构的处理器,Tensorflow 官网的安装教程无法适用,需要从 NVIDIA 官网下载专门的安装包。下面是在 Jetson Nano 上安装 Tensorflow2 的详细流程。
Jetson Nano 是 arm 架构的处理器,Tensorflow 官网的安装教程无法适用,需要从 NVIDIA 官网下载专门的安装包。下面是在 Jetson Nano 上安装 Tensorflow2 的详细流程。
此简易教程的初稿写于大二寒假,用于科协的 FC18 项目开发组的代码远程管理,因为涉及 Unity 项目,所以使用了 Git LFS 和 YAML Merge 等比较高级的工具。
在大三暑假时做过一次修改,用于管理电设小学期团队的机械臂项目 JetArm 的合作开发。新版删除了涉及 Unity 的部分,并做了精简优化,这里发出来作为存档,以便随时参考。
注意:该教程使用 GitLab,但是与 GitHub 的操作差不多,可以作为参考
该教程使用 Anaconda 在 Windows 下配置基于 GPU 的 Tensorflow2 的运行环境。优点是不需要手动下载 NVIDIA CUDA 等底层支持包,一键安装;缺点是只支持 tf2.1 及以下的版本,conda 在安装高版本的 tf 不会自动补全显卡依赖。所以如果需要使用基于 GPU 的高于 2.1 版本的 tensorflow,建议按照 Tensorflow GPU支持 手动安装 NVIDIA Driver, CUDA, cuDNN SDK 等依赖。
最近打算利用假期时间学习《机器学习实战》(第二版)这本书,于是先从 GitHub 上下载了本书的源代码示例 (https://github.com/ageron/handson-ml2) ,按照 README.md 的指示用 anaconda 安装 tf2 环境,但是出了一些问题,花了很久才搞定,下面是踩过的坑的记录。
一般我们开发 STM32 都是使用 Keil,虽然 Keil 功能强大,但是界面实在是丑,用起来不爽。之前玩 Arduino 的时候接触到了 VSCode 里面的 PlatformIO 插件,想着也用 VSCode 安装 PlatformIO 开发 STM32,折腾了好几天终于成功。主要流程就是先用 STM32CubeMX 生成基于 HAL 库的项目初始代码,再手动配置 platformio.ini 文件,最后使用 VSCode 打开。