手把手教你使用jetson nano運行maskrcnn-benchmark

準備工作

1. 一塊jetson Nano
2. 一個SD卡，我這裏是64G的
3. 從nvidia官網上燒錄鏡像到SD卡上，然後把SD卡插到nano裏，開機

安裝pytorch

Python 2.7

wget https://nvidia.box.com/shared/static/m6vy0c7rs8t1alrt9dqf7yt1z587d1jk.whl
-O torch-1.1.0a0+b457266-cp27-cp27mu-linux_aarch64.whl pip install torch-1.1.0a0+b457266-cp27-cp27mu-linux_aarch64.whl

Python 3.6

wget https://nvidia.box.com/shared/static/veo87trfaawj5pfwuqvhl6mzc5b55fbj.whl -O torch-1.1.0a0+b457266-cp36-cp36m-linux_aarch64.whl
pip3 install numpy torch-1.1.0a0+b457266-cp36-cp36m-linux_aarch64.whl

安裝opencv

由於無法使用pip3 install opencv-python 來直接安裝，所以我們使用從源碼安裝的方法：

1. 下載opencv release版的source.zip

2. 運行

    cd opencv
    mkdir build
    cd build
    cmake ..
    make all
    sudo make install
   

安裝maskrcnn-benchmark

1. cuda環境在nano的官方鏡像裏就已經有了，我們不需要關心。
2. 這裏我沒有使用anaconda，因爲裝不上，估計是aarch64平臺的原因，這裏直接在系統的python3裏進行安裝:

pip3 install ninja yacs cython matplotlib tqdm  --user -i https://pypi.tuna.tsinghua.edu.cn/simple
(我在運行這裏的時候裝ninja出現了No module named skbuild 的錯誤，原因是沒有裝scikit-build, pip3 install scikit-build 即可）
pip3 install pycocotools --user
git clone https://github.com/NVIDIA/apex.git
cd apex/
sudo python3 setup.py install --cuda_ext --cpp_ext --user
(運行這裏的時候出現了numpy，protobuf版本太低的錯誤，升級一下即可）
cd ..
git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
cd maskrcnn-benchmark
sudo python3 setup.py build develop --user

運行maskrcnn-benchmark

由於jetson nano 只有4G的內存（顯存公用），所以運行稍微大點的模型的時候，虛擬內存是有必要的：

sudo dd if=/dev/zero of=/swap bs=1M count=2048
mkswap -f /swap
swapon /swap

然後運行demo/Mask_R-CNN_demo.ipnb文件，效果如下：
（記得要把cpu改成cuda）：