Jetson TX2安装pytorch(from source)

安装依赖

sudo apt install libopenblas-dev libatlas-base-dev liblapack-dev
# For OpenCV
sudo apt install liblapacke-dev checkinstall
sudo apt-get install python3-pip
sudo apt-get install python3-dev


# 安装python库
sudo apt-get install python3-dev python3-pip libxml2-dev libxslt1-dev zlib1g-dev libffi-dev libssl-dev
sudo apt-get install gfortran  # 安装scipy时会需要它
sudo pip3 install numpy scipy # 这个花费的时间略长，20分钟到30分钟左右
sudo pip3 install pyyaml
sudo pip3 install scikit-build
sudo apt-get -y install cmake
sudo pip3 install cffi

添加CUDNN路径

安装完之后，我们添加cudnn的lib和include路径，为什么要执行这一步，因为我们在刷好机后，cuda和cudnn也已经安装好，但是JetPack系统中的cudnn路径和我们一般ubuntu系统中的路径略有不同(为什么不同看这里：https://oldpan.me/archives/pytorch-gpu-ubuntu-nvidia-cuda90)，这时需要我们将cudnn的路径添加到环境变量中并激活：

sudo gedit ~/.bashrc
export CUDNN_LIB_DIR=/usr/lib/aarch64-linux-gnu
export CUDNN_INCLUDE_DIR=/usr/include
source ~/.bashrc

下载pytorch码源包

我们从github上直接拷贝最新的Pytorch源码包，然后利用pip3安装好所有必备的库，并对第三方库进行更新。

git clone http://github.com/pytorch/pytorch
cd pytorch
sudo pip3 install -U setuptools
sudo pip3 install -r requirements.txt
# 这里选择1.0.0版本进行编译
git checkout tags/v0.4.0 -b build
git submodule update --init --recursive

编译

在编译之前，我们先开启TX2的最大功率模式，这样可以使我们的编译速度稍微快一些：

sudo nvpmodel -m 0         # 切换工作模式到最大
cd  /usr/bin/
sudo ./jetson_clocks       # 强制开启风扇最大转速

此时，风扇已经转起来了

进入Pytorch源码目录后，我们首先执行下面这一句首先编译Pytorch的开发组件：

sudo python3 setup.py build

漫长的编译后(2小时)，我们继续执行以下的命令：

NO_SYSTEM_NCCL=1 DEBUG=1 sudo -E python3 setup.py install

同样是漫长的编译(2小时)，等待后不出意外就编译成功了！

验证安装

在terminal中依次输入以下指令，不报错就成功了：

$ python3

>>> import torch
>>>  

后续操作

sudo apt clean
sudo apt-get install libjpeg-dev zlib1g-dev

git clone https://github.com/python-pillow/Pillow.git
cd Pillow/
sudo python3 setup.py install
sudo pip3 install pandas # ~20-30 min
sudo pip3 install Cython
sudo pip3 install scikit-image

sudo pip3 --no-cache-dir install torchvision

如果不行

请看另一篇傻瓜式安装：https://www.jianshu.com/p/f5533f911285

参考文献

[1] https://oldpan.me/archives/nvidia-jetson-tx2-source-build-pytorch