生命不息，折騰不止：Jetson Nano填坑之軟件篇

題圖：攝於武大凌波門

做爲一名天天對着各類裸板的系統工程師，對Jetson Nano會踩到各類坑是作好了充分準備的，本着踩坑填坑的精神，在這裏記錄一下踩坑經歷，供你們一樂。如何避開這些坑？想多了，由於之後大家即便繞開了這些坑，也會有其它的坑等着你:) 重要的是要作到人擋殺人、佛擋殺佛，遇到坑直接趟過去。

安裝軟件遇到鎖

使用apt-get install命令安裝軟件包，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?

複製代碼

重啓後什麼操做也不作，安裝軟件包，提示依舊。

填坑指南：

首先查看一下是否有apt進程在工做：

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
複製代碼

能夠看到系統在作每日檢查更新，解決的方法很簡單，關閉每日更新檢查：

System Settings | Software & Updates，在Updates頁，Automatically check for updates，選擇Never

遠程鏈接

沒有爲Jetson Nano單獨配顯示器，和開發機共用，但二者都是用的HDMI接口，這樣每次切換顯示都必須插拔HDMI線，非常麻煩，這個時候就須要遠程鏈接。

有兩種使用遠程登陸Jetson Nano的方法，一種是經過SSH協議登陸，這種方法時延小，佔用資源少，但只支持命令行。另外一種就是經過RDP（Remote Desktop Protocol）協議，支持GUI，熟悉Windows的朋友可能知道Windows支持遠程登陸，在Ubuntu系統上，也能達到一樣的效果。

Jetson Nano採用的是Ubuntu桌面系統，要支持遠程桌面協議很簡單：

sudo apt-get update
sudo apt-get install xrdp
複製代碼

然而在個人開發機上使用Remmina Remote Desktop Client軟件，配置好各類參數進行鏈接，老是一閃而過，退出應用。開始懷疑是Remmina Remote Desktop Client兼容性存在問題，後來換Windows下的遠程登陸，依然如此。查看$HOME/.xorgxrdp.10.log日誌，能夠看到Server端主動退出。

填坑指南：

和普通Ubuntu桌面系統不一樣的是，Jetson Nano並不支持兩個客戶端同時登陸。安裝時爲了省事，選擇了自動登陸系統，這樣每次Jetson Nano每次啓動，就會有一個用戶登陸進去，這個時候我再遠程登陸就會被拒絕。解決方法是，編輯 /etc/gdm3/custom.conf 文件，找到AutomaticLoginEnable和Automatic Login行，註釋掉：

sudo vi /etc/gdm3/custom.conf

# AutomaticLoginEnable=true
# Automatic Login=[user1]
複製代碼

沒法導入cv2模塊

Jetson Nano系統默認python爲2.7版本，然而安裝tensorflow-gpu卻須要Python3，在Python3下導入opencv模塊，出現以下錯誤：

(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'
>>>
複製代碼

使用默認的2.7版本python，則無此問題。

填坑指南：

系統默認爲python 2.7安裝了opencv模塊，但python3沒有，須要本身安裝：

sudo apt-get install python3-opencv
複製代碼

這樣安裝到系統python3的環境中，若是你使用了python虛擬環境，而建立虛擬環境時沒有添加 --system-site-package 參數，在虛擬環境中依然會有問題，解決方法，刪除掉虛擬環境中的no-global-site-packages.txt文件。假如虛擬環境名爲tensorflow-gpu，命令以下：

rm ~/.virtualenvs/tensorflow-gpu/lib/python3.6/no-global-site-packages.txt
複製代碼

python虛擬環境

要說到python的版本問題，python程序員絕對一把鼻涕一把淚。python 2和python 3之間不兼容的問題由來已久，到目前，python 3也沒有把python 2幹掉，二者尷尬的共存着。除了python自己，python第三方軟件包的版本問題也是讓人頭大。好在咱們能夠藉助python虛擬環境來解決這一問題。python虛擬環境和虛擬機不一樣，僅僅是作一個環境隔離，徹底不存在性能損失，很是適用於python 程序。在開發機上，我使用的是anaconda包，然而，anaconda的linux版本只出了x86 32位和64位架構的包，並無arm64的包。無奈之下，我只能選擇python的virtualenv工具。

填坑指南：

virtualenv自己就已經夠用，不過爲了方便管理，我仍是使用了一個wrapper，這實際上就是用腳本在virtualenv上封裝了一層，方便使用：

sudo apt-get install virtualenvwrapper
複製代碼

爲了方便使用這些腳本，我在 $HOME/.profile 文件中添加了一行：

source /usr/share/virtualenvwrapper/virtualenvwrapper.sh
複製代碼

建立虛擬名爲tensorflow-gpu的虛擬環境：

mkvirtualenv -p /usr/bin/python3 --system-site-package tensorflow-gpu
複製代碼

激活虛擬環境

workon tensorflow-gpu
複製代碼

退出虛擬環境

deactivate
複製代碼

安裝tensorflow

Jetson Nano出廠系統並無自帶TensorFlow環境，早先甚至連官方支持都沒有，因此網上有不少安裝Tensorflow的指南，及其複雜，好在Nvidia意識到了這個問題，給出了官方支持。

填坑指南：

安裝依賴包：

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
複製代碼

注意有些步驟特別慢，以致於我覺得安裝包被牆了，重試了幾回仍然這樣，後來才弄清楚有些包是須要即時編譯的，因此會比較慢，須要耐心等待。

而後安裝最新的tensorflow-gpu：

pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu
複製代碼

若是要安裝指定版本：

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

其中，TF_VERSION是TensorFlow的發佈版本，好比1.12.0。NV_VERSION爲Tensorflow的NVIDIA容器版本，好比19.01。

小結

在使用Jetson Nano中，還碰到不少稀奇古怪的問題，這裏無法一一寫出，解決問題主要靠Google，固然Nvidia開發者論壇的Nano版塊也值得去看一看，其地址爲：devtalk.nvidia.com/default/boa… 在上面我試着用蹩腳的英文向其餘開發者提問，收到了很多回應。

生命不息，折騰不止，其實Jetson nano最大的樂趣就是折騰，能夠預料之後還會踩各類坑，不過相比軟件的坑，硬件的坑更大，畢竟那還要投入真金白銀，下一篇我將寫寫硬件上的坑，敬請關注。