文章目录

一、PIP
二、JTOP
三、VIRTUALENV
四、JupyterLab
五、Code_OSS

一、PIP

安装Python2_pip

sudo apt-get install python-pip

升级pip2

pip install --upgrade pip

安装Python3_pip

sudo apt-get install python3-pip

升级pip3

pip3 install --upgrade pip

二、JTOP

首先安装支持环境包

sudo apt-get install git cmake
sudo apt-get install python3-dev
sudo apt-get install libhdf5-serial-dev hdf5-tools
sudo apt-get install libatlas-base-dev gfortran

用pip3安装

pip3 install --upgrade pip
pip3 install jetson-stats

在Jetson终端输入ifconfig查看动态ip
192.168.XXX.XXX
用PuTTY通过SSH远程连接JetsonNano

输入账号密码

接着输入jtop，成功查看GPU、CPU、内存等运行状况。

在Jetson终端也可进行同样操作，但不方便截图，笔者用远程连接代替，效果相同。

三、VIRTUALENV

使用 virtualenv 好处是让我们的开发环境和其他系统环境互不影响

sudo pip3 install virtualenv virtualenvwrapper

安装完成后在终端输入：

sudo gedit ~/.bashrc

修改 ~/.bashrc，末尾增加如下内容：

# virtualenv and virtualenvwrapper
export WORKON_HOME=$HOME/.virtualenvs
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source /usr/local/bin/virtualenvwrapper.sh

保存退出后，运行如下命令让设置生效：

source ~/.bashrc

现在可以运行 mkvirtualenv 命令创建一个虚拟 Python 环境。以下命令创建了一个名为 deep_learning 的虚拟环境，解释器为 Python3：

mkvirtualenv deep_learning -p python3

运行 workon 命令，使能上面创建的虚拟环境：

workon deep_learning

退出虚拟环境操作：

deactivate

四、JupyterLab

安装依赖nodejs、npm

sudo apt install nodejs npm
sudo apt install libffi-dev

pip3安装jupyter lab

pip3 install jupyter jupyterlab
$ pip3 install ipywidgets
$ jupyter nbextension enable --py widgetsnbextension
$ jupyter labextension install @jupyter-widgets/jupyterlab-manager

安装JupyterLab插件的时候，提示nodejs版本太低

shl@shl-desktop:~$ jupyter labextension install @jupyter-widgets/jupyterlab-manager
An error occured.
ValueError: Please install nodejs >=12.0.0 before continuing. nodejs may be installed using conda or directly from the nodejs website.
See the log file for details:  /tmp/jupyterlab-debug-dkd8gmqm.log
shl@shl-desktop:~$

升级NodeJs，输入以下命令：

sudo npm cache clean -f   # 清除npm缓存
sudo npm install -g n     # 安装nodejs的版本管理器n
sudo n stable             # 升级到最新稳定版

升级好之后，重新打开一个终端，然后再安装插件！！！

五、Code_OSS

在 jetson 上开发的时候，虽然我们可以使用 samba 服务或 ssh 远程调试等功能，但代码编辑不太方便，尤其是写 python 等程序，空格和 tab 键的调整就足以让人崩溃。因此，安装一个类似于 vs code 的 IDE 会很方便。
原生的 vs code 不支持 arm 架构，衍生的 code-oss 是专门针对 arm 平台的一个软件。
官网已无法访问：
https://packagecloud.io/headmelted/codebuilds

//热心网友提供
链接：https://pan.baidu.com/s/1h-gCI0NLYXXBN5ZMAMdJOw
提取码：ciaz

下载好之后使用 dpkg 安装，终端命令如下：

sudo dpkg -i code-oss_1.32.0-1550644676_arm64.deb

安装完成后，以后只需要在终端中输入code oss 即可运行

JetsonNano学习（二）环境配置相关推荐

全网最详细的深度学习pytorch-gpu环境配置
学习深度学习第一步就是环境的配置,相信很多小伙伴已经被什么anaconda,tensorflow,Pytorch,cuda这些东西搞得晕头转向,今天带大家详细配置深度学习的环境,这一篇准要教书Pyto ...
深度学习主机环境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow
http://f.dataguru.cn/thread-660774-1-1.html 发表于 2016-7-20 09:04 | 只看该作者 |倒序浏览 |阅读模式深度学习主机环境配置: Ubun ...
《动手学深度学习》环境配置成功经验
<动手学深度学习> 环境配置成功经验一.安装Anaconda3 二.安装CUDA 三.创建虚拟环境 1.创建新环境 2.激活环境 3.逐个下载emvironment.ym里的其他包 4. ...
Ubuntu18.04深度学习GPU环境配置
Ubuntu18.04深度学习GPU环境配置 Ubuntu 18.04.cuda 9.0.cuDnn v7.TensorFlow/Keras 与anaconda 1.背景为了加速神经网络的训练,使用 ...
2021苍穹战队视觉组寒假学习计划--环境配置
2021苍穹战队视觉组寒假学习计划–环境配置前言本文为环境配置文章,寒假学习使用平台为Python++Opencv+Pytorch,推荐使用软件为Anaconda+Pytorch+Opencv+P ...
Ubuntu16+Docker19.03+CUDA10+Tensorflow2.0+Pyorch 多用户深度学习服务器环境配置与使用指南
服务器只有一台,大家天天用sudo改环境最后炸了?可以采用Docker,在容器里面爱装啥装啥. 目录深度学习服务器环境配置安装Ubuntu Server 16.04.这一步骤网上教程很多,简略带过 ...
深度学习hf-net环境配置
深度学习hf-net环境配置如下 1.Python 3.6,推荐用虚拟环境 2.TensorFlow 1.12 3.PyTorch 0.4.1 用于跑SuperPoint 1.安装pip sudo a ...
tesla p100 linux,Ubuntu16.04深度学习开发环境配置（TeslaP100+cuda9.0+tensorflow）
Ubuntu16.04深度学习开发环境配置(TeslaP100+cuda9.0+tensorflow) 1. 显卡驱动安装选择对应显卡型号的驱动下载 https://www.nvidia.com/D ...
AgileEAS.NET SOA 中间件平台5.2版本下载、配置学习(二)：配置WinClient分布式运行环境...
一.前言 AgileEAS.NET SOA 中间件平台是一款基于基于敏捷并行开发思想和Microsoft .Net构件(组件)开发技术而构建的一个快速开发应用平台.用于帮助中小型软件企业建立一条适合市 ...
Ubuntu18.04+CUDA10.2 深度学习开发环境配置指南
深度学习 Author:louwill Machine Learning Lab 搞深度学习环境永远是第一步.笔者之前也写过配置的两篇文章,但时间久远,目前来看版本已经过旧了.之前两篇参考: 深度学习 ...

JetsonNano学习（二）环境配置