Auf Nvidias Jetson-Plattform lassen sich die bekannten Machine Learning-Frameworks wie TensorFlow, PyTorch, Caffee/Caffee2, MXNet und Keras in Form der nativen Vollversionen installieren. In diesem Beitrag wird die Installation des wohl bekanntesten Frameworks, TensorFlow von Google, auf dem Jetson Nano gezeigt.

Die Installation ist in dem PDF-Dokument Installing TensorFlow For Jetson Platform beschrieben. Weil alle Mitglieder der Jetson-Familie, also Nano, TX2 und Xavier auf der gleichen Softwareplattform, dem JetPack beruhen, läuft die Installation auch für alle gleich ab.

Davon ausgehend, dass die aktuelle Jetpack-Version (derzeit 4.4) installiert ist, sind die folgenden Schritte durchzuführen:

Installieren der für TensorFlow erforderlichen System-Bibliotheken:

sudo apt-get update
sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran

Installieren und Updaten des Paketmanagers pip3:

sudo apt-get install python3-pip
sudo pip3 install -U pip testresources setuptools

Installieren diverser Python-Abhängigkeiten:

sudo pip3 install -U numpy==1.16.1 future==0.17.1 mock==3.0.5 h5py==2.9.0 keras_preprocessing==1.0.5 keras_applications==1.0.8 gast==0.2.2 futures protobuf pybind11

Installieren der aktuellen TensorFlow-Version:

sudo pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow

Das Ausführen aller Anweisungen benötigt auf dem Nano etwa zwei Stunden. Ob die Installation erfolgreich war, erkennt man daran, dass der Import von TensorFlow in einem Python-Fenster keine Fehler produziert:

Erfolgreiche Installation von TensorFlow

Ist das der Fall, ist TensorFlow einsatzbereit.