前情回顾：

Nvidia Jetson Nano B01初体验（一） https://bbs.huaweicloud.com/blogs/330158

Nvidia Jetson Nano B01初体验（二）https://bbs.huaweicloud.com/blogs/330177

Nvidia Jetson Nano B01初体验（三）https://bbs.huaweicloud.com/blogs/330290

（二十）关于Nano上源码安装MindSpore 1.6.0 GPU版本的尝试终结版

在 第三篇的 “（十七）再次探索：源码编译MindSpore 1.6.0”中，张小白曾经尝试了在Jetson Nano上源码安装MindSpore 1.6.0的GPU版本。

最后遇到的错误是这个：

在张小白发了问题贴之后，并没有得到什么解决方案。张小白一度想放弃，但一度又不甘心。

最近张小白趟坑的事情还少吗？

张小白树莓派4B踩坑记（一） https://bbs.huaweicloud.com/blogs/330786

张小白DataX踩坑记（一）待发表 

哪一个不是困难重重？

于是张小白在MindSpore论坛继续发了一个试验贴：

Jetson Nano源码编译MindSpore 1.6 GPU版编译的再次尝试（连载中）https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=179276

由于张小白只有周末时间会宽裕一点，白天要上班处理公务，但对此又念念不忘，只好晚上继续探索：

先将现有的mindspore目录改名

mv mindspore mindspore.old

git clone https://gitee.com/mindspore/mindspore.git -b r1.6

修改 ~/mindspore/scripts/build/build_mindspore.sh，加入-DENABLE_GITEE=ON参数

（后面发现第二个改的不对，这是后话，暂且不提）

bash build.sh -e gpu -j12

这就又开始了漫长的编译历程。。。

结果编译到这里报错：

************ build core ***************
-- Configuring done
CMake Warning (dev) in mindspore/ccsrc/CMakeLists.txt:
Policy CMP0104 is not set: CMAKE_CUDA_ARCHITECTURES now detected for NVCC,
empty CUDA_ARCHITECTURES not allowed. Run "cmake --help-policy CMP0104"
for policy details. Use the cmake_policy command to set the policy and
suppress this warning.

CUDA_ARCHITECTURES is empty for target "gpu_cuda_lib".
This warning is for project developers. Use -Wno-dev to suppress it.

查了一下，需要在CMakeLists.txt中追加对CUDA_ARCHITECTURES的设置。

根据nvidia的编译规则：貌似对于Nano设备而言，CUDA_ARCHITECTURES设为50应该比较合适。

所以，张小白做了如下处理

cp CMakeList.txt CMakeList.txt.old

vi CMakeList.txt

增加以下几行：

if(NOT DEFINED CMAKE_CUDA_ARCHITECTURES)
set(CMAKE_CUDA_ARCHITECTURES 50 52 53)
endif(NOT DEFINED CMAKE_CUDA_ARCHITECTURES)

修改后后继续编译：

报错如下:

这个已经跑到了build_mindspore.sh中的第二个改动的地方，显然这里是不支持 -DENABLE_GITEE参数，所以果断去掉这个参数，继续编译。。。

进入到了有颜色的百分率编译历程，这个张小白非常熟悉。。

。。。

。。。

。。。

。。。

照这个速度，如果不出错的话，估计要编译一晚上。。。张小白当时决定睡了。。（当时是 2022年02月10日 02:36:43，有论坛发帖为证）

早上7点左右，张小白被闹钟惊醒，正在跑编译代码的笔记本电脑需要，但是编译仅仅进度到了 34%。。

无奈只好CTRL-C中断编译。。

（好在编译过的内容下一次再编译时会跳过去。。。）

特意在家里的电脑上安装了teamviewer.

然后在带走的笔记本电脑上也装了teamviewer.

然后远程控制家里的电脑，通过家里电脑的mobaxterm连接Nano。

这样就可以白天间歇性地远程控制Nano的编译过程了。

张小白通过teamviewer远程登录到Nano上，重新开始编译：

2022.2.10 19:30，进度74%

2022.2.10 22:26 进度79%

2022.2.11 0:19  进度85%

2022.2.11 6:16 97%

2022.2.11 6:23 100%

2022.2.11 6:32 100%

2022.2.11 6:39 100%

2022.2.11 6:46 100%

正当张小白以为“大功告成”的时候，居然报了这样一个致命的错误。

张小白度娘了以下这个错误：

说应该是内存资源不足引起的：

尽管在 （三）中（ https://bbs.huaweicloud.com/blogs/330290 ），张小白已经扩了4G的虚拟内存：

扩完之后，SWAP空间有了6G左右：

所以张小白一口气将虚拟内存扩大了16G（变成了18G左右）：

然后再开始编译：

bash build.sh -e gpu -j12

到了 2022.2.12  0:28，张小白看到编译还卡在98%一动不动，于是就CTRL-C暂停了编译：

张小白后面就去忙树莓派去了。

当然，不死心的张小白开着Nano，采用j4方式重新进行编译，就把终端一直开在那边，野蛮生长。

结果到了 2022.2.13 7:09 ，居然有了新的变化：

张小白心想，难道死马当活马医，这里有戏？

2022.2.13 8:05

报了这个错，张小白却是很熟悉。

安装wheel就可以了：

pip3 install wheel --user

再来编译：bash build.sh -e gpu -j4

。。。

居然编译成功了！

赶紧将编译好的whl文件备份一下：

那就开始安装吧：

python3 -m pip install mindspore_gpu-1.6.0-cp37-cp37m-linux_aarch64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple

在安装numpy的时候会比较慢，需要耐心等待：

安装到scipy的时候也是一样的慢：

结果到最后：

居然有权限问题。对，那只能安装在这个用户下了：

python3 -m pip install mindspore_gpu-1.6.0-cp37-cp37m-linux_aarch64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple --user

好在编译的时候，它也用到了cache.

那么，常规做法，编辑test.py文件：

import numpy as np
from mindspore import Tensor
import mindspore.ops as ops
import mindspore.context as context

context.set_context(device_target="GPU")
x = Tensor(np.ones([1,3,3,4]).astype(np.float32))
y = Tensor(np.ones([1,3,3,4]).astype(np.float32))
print(ops.add(x, y))

然后执行看看:

python3 test.py

这就表明mindspore成功地调用到了Nvidia Jetson Nano B01的GPU模块了！

至此也排除了MindSpore团队提到了暂不支持ARM GPU版本的问题：

张小白已经将编译好的安装包放到了网盘上：https://pan.baidu.com/s/1Eb5tSv-e1z4GNk005wlDSQ （提取码：eyxe）
欢迎有Jetson Nano设备的童鞋下载试用！

最后感谢在编译过程中MindSpore团队给予的帮助，特别是月月鸟大大的鼓励，还有姐夫哥的支持。没有你们，也许张小白坚持不下去，也完成不了这一首发。

至于几位大大询问为啥张小白不编译Lite版本，张小白只能回答：full版本都可以的话，lite版本还怕不支持吗？（张小白胆战心惊的回答，却也可能给自己后续的任务留下了伏笔。。。这是后话，暂且不提。）

撒花！

（全文完，谢谢阅读）