（一）背景

Jetson Nano是Nvidia推出的AI套件。由于各种原因，Nvidia的价格几乎成为了这几年游戏玩家和AI学习者的噩梦，Jetson Nano也没有逃出这个局。

2021年11月左右，CANN训练营第三期的奖品之一是一个不带主板的机械臂。这个机械臂可以使用两种类型的主板——树莓派和Jetson Nano（B01）。记得当时的价格是带主板的接卸比为2600元，不带主板的为1600元，相当于Jetson Nano为1000元左右（谁还记得当初发布的时候报价为99美元），但是当时单买主板需要1300元。当然，这是商家的定价策略，希望用户能够打包购买。当时张小白做了一个错误的决定——因为感觉单主板需要1300——太贵，买了当时价格为750+的树莓派（现在价格为799元）。

结果到了2022年1月份，Jetson Nano的价格一路飙升，至本篇文字发稿时为止，单主板的价格已涨到2499元，已经接近了机械臂套件（含主板）的价格——这也证明，张小白完全不会理财。

这一度阻止了张小白玩转机械臂的进程（其实是张小白你懒癌发作了吧——旁白）

然而，作为一款搭载Cortex A57、128核Maxwell GPU和4G LPDDR内存，支持2路摄像头，提供472GFLOP算力（相比而言，昇腾Atlas 200DK开发者套件提供22/16/8 TOPS INT8，11/8/4 TFLOPS FP16算力）的经典产品，能跑TensorFlow（含Keras），PyTorch，Caffe，MXNet等框架的经典产品，还是值得把玩一番的。

（二）制卡

张小白下载了Nivida 2022冬季训练营的CUDA On ARM 的 Nano 版镜像：

并且在Windows11环境下载了balenaEtcher软件：

安装之后打开：

准备一张空白的64G TF卡

点击 Flash from file，选择前面下载好的镜像文件：

点击中间的Change，选择TF卡的盘：

点击Select：

点击Flash进行刷机：

。。。

耐心等待刷机完毕：

（三）开箱

Nano的包装盒正面：

反面：

打开外包装，这是一个由黑色包装袋包装好的设备：

全新未拆封：(卖家还是非常良心的）

撕开包装之后：

主板正中上面是一个很大的散热片，左边是两个摄像头CSI接口，右边有个40引脚的CPIO，右下角是个5V2A的MicroUSB接口（可以使用电源供电，或者使用PC连接）；正下方有1个HDMI 2.0视频接口和1个DisplayPort 1.3视频接口，4个USB3.0接口，一个RJ45千兆以太网接口。左下角是个5V的DC供电口。看视频是推荐使用5V4A的DC供电方式（ 使用DC电源需要短接J48跳线帽），因为电源连接这里可以开启15w的高功率模式。据说YoloV3的应用，电流需要2.9A左右，如果连接右下角的电源口，会让Nano板不断地发热和重启。但张小白貌似没有找到这个跳线帽。问了下卖家，他说用MicroUSB做电源应该也没事儿。

（四）安装亚克力板

下面第一件事就是将Nano装入亚克力板中保护起来。

先拆开散热片：

将右边另购的无线网卡插入上图左边的插槽，并用螺丝拧紧。

陆陆续续装好之后，大概是这个样子：

然后将前面制好的TF卡插入上图孔中的TF卡槽。

然后在USB口上接入鼠标、键盘，并在网口接入网线，在HDMI口接入电视机（貌似有点奢侈）

（五）启动

加电启动：

切到这里就不动了：

按理说，这个应该是启动起来了，但是张小白也不知道用户名和密码是啥。而且这个报的是什么错也搞不清。

（六）重新制卡

于是决定从官网下载镜像来装试试。

打开官网：https://developer.nvidia.com/embedded/downloads

点击上图箭头所指的 Download the SD Card Image：

下载好的Jetpack 4.6大约有6.3G左右。

然后再用Etcher制作TF卡：

（张小白是用32G的TF卡制作的）

制卡完毕后，拔出原来的TF卡，插入这张TF卡。

（七）Nvidia版Ubuntu安装配置

加电启动：

进入Ubuntu安装界面：

选中accept，继续：

选择中文（简体），继续：

选择键盘，继续：

选择时区上海，继续：

输入以上用户名密码（zhanghui/nano1234）

选择默认的App分区大小：

删除无用的启动分区：

Nvpmodel选择缺省MAXN

耐心等待配置完毕：

系统会重启：

登陆后，进入了Ubuntu的图形界面：

可惜字太小了，张小白真的看不清。

可以到路由器上看下IP地址：

（也不知道张小白为啥不直接打开终端看一下。。是在显摆自己绝版的极路由吗？）

于是，可以使用MobaXterm登录Nano了：

（八）apt更新

还是打开终端，需要做下apt更新：

sudo apt-get update 

...

然后做sudo apt-get full-upgrade

按Y继续，这里要有点耐心，可能会因为网络慢而超时报错，如果遇到了不要紧，耐心重做一遍即可：

（九）安装curl、nano、pip等系统软件

然后安装curl:

sudo apt install curl

安装nano:

sudo apt install nano

安装pip：

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py

sudo python3 get-pip.py

貌似报错了，缺省的Python是3.6.9，get-pip.py需要Python3.7。于是张小白决定暂时不装Python 3.7，而是下载与Python3.6配套的get-pip

curl  https://bootstrap.pypa.io/pip/3.6/get-pip.py -o get-pip3.6.py

sudo python3 get-pip3.6.py

虽然报了个错，但是也安装完毕。

当然，张小白不能期待一个不完美的安装：

sudo pip3 install testresources

再来一遍：

这回没报错了。

（十）检查已安装软件CUDA10.2，cuDNN，openCV4.1.1，visionworks

然后我们看一下已经安装的软件：

CUDA10.2，cuDNN，openCV4.1.1，visionworks好像都已经装了。

我们来配置一下nvcc：

修改.bashrc

source ~/.bashrc使其生效：

cd /usr/src/cudnn_samples_v8/mnistCUDNN/

sudo make

报错了，不过这个难不倒张小白：

sudo apt-get install libfreeimage3 libfreeimage-dev

按Y继续：

再来：

sudo make

运行：

./mnistCUDNN

..

运行成功。

（十一）安装TensorFlow所需依赖

下面我们来安装TensorFlow：

sudo apt-get install python3-numpy

sudo apt-get install python3-scipy

sudo apt-get install python3-pandas

sudo apt-get install python3-matplotlib

貌似上面几个在Jetpack 4.6已经内置，无需安装了。

sudo apt-get install python3-sklearn

按Y继续：

。。。

sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran

。。。

打开 https://docs.nvidia.com/deeplearning/frameworks/install-tf-jetson-platform/index.html

前面有些动作已经做过了，那就接着做完：

sudo pip3 install -U --no-deps numpy==1.19.4 future==0.18.2 mock==3.0.5 keras_preprocessing==1.1.2 keras_applications==1.0.8 gast==0.4.0 protobuf pybind11 cython pkgconfig

这里也要耐心等待，时长也会出超时的错误，遇到后重新执行就行了。

。。。

sudo env H5PY_SETUP_REQUIRES=0 pip3 install -U h5py==3.1.0

好像出错了。

sudo apt-get install python3-pip

按Y继续：

sudo pip3 install -U pip testresources setuptools==49.6.0 

再来一遍试试：

sudo env H5PY_SETUP_REQUIRES=0 pip3 install -U h5py==3.1.0

终于安装成功了。

（十二）安装TensorFlow 1.15

我们来安装TensorFlow 1.15吧，毕竟TF2与TF1的差异还是蛮大的。

sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v46 'tensorflow<2'

。。。

安装完毕，我们来做个验证：

写了不少了，暂时就到这里吧。

祝大家节日快乐！

（未完待续）