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。