生命不息，折腾不止：Jetson Nano填坑之软件篇

题图：摄于武大凌波门

做为一名天天对着各类裸板的系统工程师，对Jetson Nano会踩到各类坑是作好了充分准备的，本着踩坑填坑的精神，在这里记录一下踩坑经历，供你们一乐。如何避开这些坑？想多了，由于之后大家即便绕开了这些坑，也会有其它的坑等着你:) 重要的是要作到人挡杀人、佛挡杀佛，遇到坑直接趟过去。

安装软件遇到锁

使用apt-get install命令安装软件包，遇到以下提示：

alex@alex-jetson-nano:~$ sudo apt-get install xrdp
[sudo] password for alex: 
E: Could not get lock /var/lib/dpkg/lock-frontend - open (11: Resource temporarily unavailable)
E: Unable to acquire the dpkg frontend lock (/var/lib/dpkg/lock-frontend), is another process using it?

复制代码

重启后什么操做也不作，安装软件包，提示依旧。

填坑指南：

首先查看一下是否有apt进程在工做：

alex@alex-jetson-nano:~$ ps aux | grep -i apt
root      6569  0.0  0.0   1912   496 ?        Ss   10:37   0:00 /bin/sh /usr/lib/apt/apt.systemd.daily update
root      6582  0.0  0.0   1912  1272 ?        S    10:37   0:00 /bin/sh /usr/lib/apt/apt.systemd.daily lock_is_held update
_apt      7736  5.4  0.1  19552  8036 ?        S    10:41   0:20 /usr/lib/apt/methods/http
alex      7883  0.0  0.0   7416   640 pts/0    R+   10:47   0:00 grep --color=auto -i apt
复制代码

能够看到系统在作每日检查更新，解决的方法很简单，关闭每日更新检查：

System Settings | Software & Updates，在Updates页，Automatically check for updates，选择Never

远程链接

没有为Jetson Nano单独配显示器，和开发机共用，但二者都是用的HDMI接口，这样每次切换显示都必须插拔HDMI线，非常麻烦，这个时候就须要远程链接。

有两种使用远程登陆Jetson Nano的方法，一种是经过SSH协议登陆，这种方法时延小，占用资源少，但只支持命令行。另外一种就是经过RDP（Remote Desktop Protocol）协议，支持GUI，熟悉Windows的朋友可能知道Windows支持远程登陆，在Ubuntu系统上，也能达到一样的效果。

Jetson Nano采用的是Ubuntu桌面系统，要支持远程桌面协议很简单：

sudo apt-get update
sudo apt-get install xrdp
复制代码

然而在个人开发机上使用Remmina Remote Desktop Client软件，配置好各类参数进行链接，老是一闪而过，退出应用。开始怀疑是Remmina Remote Desktop Client兼容性存在问题，后来换Windows下的远程登陆，依然如此。查看$HOME/.xorgxrdp.10.log日志，能够看到Server端主动退出。

填坑指南：

和普通Ubuntu桌面系统不一样的是，Jetson Nano并不支持两个客户端同时登陆。安装时为了省事，选择了自动登陆系统，这样每次Jetson Nano每次启动，就会有一个用户登陆进去，这个时候我再远程登陆就会被拒绝。解决方法是，编辑 /etc/gdm3/custom.conf 文件，找到AutomaticLoginEnable和Automatic Login行，注释掉：

sudo vi /etc/gdm3/custom.conf

# AutomaticLoginEnable=true
# Automatic Login=[user1]
复制代码

没法导入cv2模块

Jetson Nano系统默认python为2.7版本，然而安装tensorflow-gpu却须要Python3，在Python3下导入opencv模块，出现以下错误：

(tensorflow-gpu) alex@alex-jetson-nano:~$ python3
Python 3.6.7 (default, Oct 22 2018, 11:32:17) 
[GCC 8.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ModuleNotFoundError: No module named 'cv2'
>>>
复制代码

使用默认的2.7版本python，则无此问题。

填坑指南：

系统默认为python 2.7安装了opencv模块，但python3没有，须要本身安装：

sudo apt-get install python3-opencv
复制代码

这样安装到系统python3的环境中，若是你使用了python虚拟环境，而建立虚拟环境时没有添加 --system-site-package 参数，在虚拟环境中依然会有问题，解决方法，删除掉虚拟环境中的no-global-site-packages.txt文件。假如虚拟环境名为tensorflow-gpu，命令以下：

rm ~/.virtualenvs/tensorflow-gpu/lib/python3.6/no-global-site-packages.txt
复制代码

python虚拟环境

要说到python的版本问题，python程序员绝对一把鼻涕一把泪。python 2和python 3之间不兼容的问题由来已久，到目前，python 3也没有把python 2干掉，二者尴尬的共存着。除了python自己，python第三方软件包的版本问题也是让人头大。好在咱们能够借助python虚拟环境来解决这一问题。python虚拟环境和虚拟机不一样，仅仅是作一个环境隔离，彻底不存在性能损失，很是适用于python 程序。在开发机上，我使用的是anaconda包，然而，anaconda的linux版本只出了x86 32位和64位架构的包，并无arm64的包。无奈之下，我只能选择python的virtualenv工具。

填坑指南：

virtualenv自己就已经够用，不过为了方便管理，我仍是使用了一个wrapper，这实际上就是用脚本在virtualenv上封装了一层，方便使用：

sudo apt-get install virtualenvwrapper
复制代码

为了方便使用这些脚本，我在 $HOME/.profile 文件中添加了一行：

source /usr/share/virtualenvwrapper/virtualenvwrapper.sh
复制代码

建立虚拟名为tensorflow-gpu的虚拟环境：

mkvirtualenv -p /usr/bin/python3 --system-site-package tensorflow-gpu
复制代码

激活虚拟环境

workon tensorflow-gpu
复制代码

退出虚拟环境

deactivate
复制代码

安装tensorflow

Jetson Nano出厂系统并无自带TensorFlow环境，早先甚至连官方支持都没有，因此网上有不少安装Tensorflow的指南，及其复杂，好在Nvidia意识到了这个问题，给出了官方支持。

填坑指南：

安装依赖包：

sudo apt-get install libhdf5-serial-dev hdf5-tools
sudo apt-get install python3-pip
pip3 install -U pip
sudo apt-get install zlib1g-dev zip libjpeg8-dev libhdf5-dev
sudo pip3 install -U numpy grpcio absl-py py-cpuinfo psutil portpicker grpcio six mock requests gast h5py astor termcolor
复制代码

注意有些步骤特别慢，以致于我觉得安装包被墙了，重试了几回仍然这样，后来才弄清楚有些包是须要即时编译的，因此会比较慢，须要耐心等待。

而后安装最新的tensorflow-gpu：

pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu
复制代码

若是要安装指定版本：

pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu==$TF_VERSION+nv$NV_VERSION
复制代码

其中，TF_VERSION是TensorFlow的发布版本，好比1.12.0。NV_VERSION为Tensorflow的NVIDIA容器版本，好比19.01。

小结

在使用Jetson Nano中，还碰到不少稀奇古怪的问题，这里无法一一写出，解决问题主要靠Google，固然Nvidia开发者论坛的Nano版块也值得去看一看，其地址为：devtalk.nvidia.com/default/boa… 在上面我试着用蹩脚的英文向其余开发者提问，收到了很多回应。

生命不息，折腾不止，其实Jetson nano最大的乐趣就是折腾，能够预料之后还会踩各类坑，不过相比软件的坑，硬件的坑更大，毕竟那还要投入真金白银，下一篇我将写写硬件上的坑，敬请关注。