這裏記錄下TX2的一些操作總結（不定期補充），涉及到一些注意事項，及其一些工具包的安裝
1 刷機部分
1.1刷機到本機系統
關於TX2的刷機部分，其他博客都已經介紹了許多了。這裏主要注意幾點，強烈建議TX2用有線網連接，免得Wifi突然斷掉。
1.2 刷機到SDCard
目前無法刷成功，按照教程都無法實現，等下一批TX2到了再調試
2 安裝TensorFlow
TensorFlow的安裝主要參考JetsonTX2上安裝tensorflow的心酸史，這裏對其進行總結，並使用更加透明的方式進行安裝
2.1 分區
分區是幾乎所有教程都說的一個問題，我這裏也不嘗試不分區會怎樣了，TX2供8G內存，但是考慮到TX2機身僅帶30G存儲，所以我開闢了4G的虛擬空間，按照下面的代碼執行安裝。
注：分區部分僅針對內存較少的設備，如果自身機身內存超過12G，可以直接跳過此步驟，例如深度服務器內存32G，沒必要創建虛擬內存
fallocate -l 4G swapfile # 創建8G大小的swapfile
chmod 600 swapfile # 更改swapfile的權限
mkswap swapfile # 創建swap區
sudo swapon swapfile # 激活swap區
swapon -s # 確認swap區在用
出現下述樣例即創建成功
2.2 安裝依賴
依賴項的安裝許多教程使用的是腳本安裝，爲了方便安裝透明，我這裏將其提取出來，一步步進行安裝。這裏只針對python2進行安裝。
注：這部分安裝無論什麼設備都建議使用apt-get安裝，方便快捷，空間佔用大約200M，對整體系統空間的佔用不大
- Java依賴安裝
sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update
sudo apt-get install oracle-java8-installer
- 基本庫依賴安裝
sudo apt-get install zip unzip autoconf automake libtool curl zlib1g-dev maven
- Python 2系列依安裝
sudo apt-get install python-numpy swig python-dev python-pip python-wheel
- Bazel的安裝
Bazel的安裝時不要嘗試自己編譯源碼進行安裝（感興趣理解其原理除外），因爲編譯時候需要許多附加庫，這裏只是調用，所以按照如下的方式進行下載安裝。或者使用迅雷下載（因爲總下不下來）
注：這裏一定要確定bazel的版本，版本過高會影響TensorFlow的編譯，截止2019-1-22日，針對TX2，使用TensorFlow 1.9.0 版本，對應bazel爲0.10.0，以後在安裝時候可以作爲參考
wget --no-check-certificate https://github.com/bazelbuild/bazel/releases/download/0.10.0/bazel-0.10.0-dist.zip
unzip bazel-0.10.0-dist.zip -d bazel-0.10.0-dist
cd bazel-0.10.0-dist/
./compile.sh
編譯之後，在output文件夾裏面生成出bazel，112M，因爲TX2空間有限，而且這個是個編譯工具，我將其放在外置SDCard中，並在系統中添加放置的環境變量，在PATH中添加這個bin路徑，在我係統中，放置一些無關的bin文件時都是放在 export PATH="/media/nvidia/SDCard/prefix/bin":$PATH
cp output/bazel ../../prefix/bin/
如果系統空間足夠大，直接放在系統裏面就行。
sudo cp output/bazel /usr/local/bin
至此，所有依賴項安裝完成
2.3 安裝tensorflow
從github上下載TensorFlow 1.9.0版本的代碼。之後，考慮TX2的平臺問題，我們需要對源碼進行修改。（注：TensorFlow版本與CUDN和cuDNN版本有關，後續我會對其進行細緻分析）
- 修改tensorflow/core/kernels/cwise_op_gpu_select.cu.cc文件，按照如下圖片示例修改即可
![在這裏插入圖片描述]()
修改之後調用進行環境配置，在配置路徑時候，一定要確定在路徑下有相關文件（cudnn默認就不是在cuda下），別配置錯了，導致編譯失敗
./configure # 根據需求進行配置，一些參數選擇不確定直接參考其他博客，介紹的非常清楚
#配置之後，進行編譯，此步驟編譯出的是Python的TensorFlow安裝包
bazel build -c opt --local_resources 3072,4.0,1.0 --verbose_failures --config=cuda //tensorflow/tools/pip_package:build_pip_package