網上有許多講解如何在xavier或者tx2上安裝tensorflow的文章,但多多少少有一些問題,大致是:
1、無法選擇tensorflow版本,且還要和作者的jetpack版本一致,實際上這很難做到。
2、安裝過程很多錯誤,更有文章寫了一堆命令後,告訴讀者這樣做是錯的,白走彎路。
3、過程極其繁瑣。
4、不是gpu版本
實際上,大家如果養成看nvidia developer網站,就可以獲得一手有效的方法。首先,爲了選擇可以使用的TF版本,有一些原則需要注意。
1、限制1:不同jetpack版本對應不同的tensorflow版本,注意,一個jetpack版本可能對應多個tensorflow版本。下圖中的nvidia tensorflow container不受你jetson軟硬件影響,後面命令行會用,任意可選的編號都可以。圖最左邊所tensorflow版本,最右邊是jetpack版本
2、限制2:注意你jetson的cuda、cudnn的版本,具體對應看錶。(實際上,1.15.0於2019.9月發佈,這次教程使用1.15.0)
3、查看jetpack版本
head -n 1 /etc/nv_tegra_release
三、選好tensor版本後,開始安裝。
1、安裝依賴:
$ sudo apt-get update
$ sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev
Install and upgrade pip3.
$ sudo apt-get install python3-pip
$ sudo pip3 install -U pip testresources setuptools``
$ sudo pip3 install -U numpy==1.16.1 future==0.17.1 mock==3.0.5 h5py==2.9.0 keras_preprocessing==1.0.5 keras_applications==1.0.8 gast==0.2.2 enum34 futures protobuf
2、安裝TF:
爲了實現各位安裝任意版本,採用這一條語句:
(TF_VERSION是TF版本,nv$NV_VERSION是nvidia tensorflow container版本,看第一張圖)
$ sudo pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v$JP_VERSION tensorflow-gpu==$TF_VERSION+nv$NV_VERSION
這是我採用的,安裝TF1.15.0,nv19.01,對應的jetpack4.2
sudo pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu==1.15.0+nv19.11
結果:
下圖這裏顯示的錯誤都是版本不對應,我走過的坑
總結:就這樣,你終於可以一次性成功安裝最強大的tensorflow了!這也是我寫blog的原因