Nvidia Jetson Xavier配置tensorflow1.13c++

在本文之前，先推荐一个大佬的博客，https://blog.csdn.net/huiyuanliyan/article/details/87874024
他有着一系列的Xavier的文章
友情提示，Xavier自带的30G内存不够用，最好加入sd卡或者硬盘

什么是Nvidia Jetson Xavier

Nvidia Jetson Xavier是一个功能强大的嵌入式的AI计算平台，有着高性能、低功耗的优点，在自动驾驶领域有着很大的潜力。
具体的参数我就不介绍了，官网上有详细的介绍。

给Xavier刷JetPack4.2

JetPack是Nvidia官方的一个工具包，包含了一系列的Xavier所需要的软件。首先需要一个linux系统的电脑，在电脑上安装JetPack4.2 SDK Manager，从下面链接下载软件
https://developer.nvidia.com/embedded/jetpack
然后双击软件包安装就行。
安装完成之后，打开软件，然后不断点击下一步，中间有一步要下载一堆软件，会耗费很长时间，然后是这个界面

image.png

我在这里选择自动安装并没有成功，所以就选择了手动安装，在安装之前，要将Xavier通过线连接到电脑上，然后按住中间按钮，不松手的同时按住左边按钮，然后同时松开两个按钮，然后在电脑上点击Flash，就可以进行刷机了。刷机首先是给Xavier安装一个Ubuntu18.04，然后在系统完成之后，需要给Xavier安装一个键盘鼠标，按照装linux 的步骤完成linux的安装。然后将账户密码输入到电脑中，完成Cuda、opencv等软件的安装，这样就完成刷机过程。

配置清华源

在Xavier中更换源，需要对源稍作修改，在更换软件源的时候，需要注意，清华源的格式为

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse

应该将其改成

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ bionic main restricted universe multiverse

加一个-ports，这是因为xavier中自带的源的格式就是这样的

安装tensorflow1.13

首先安装jdk1.8

sudo apt-get install openjdk-8-jdk

然后下载bazel0.19.2，从https://github.com/bazelbuild/bazel/releases/tag/0.19.2
网站下载bazel-0.19.2-dist.zip，这是bazel的源码，然后我们需要编译它。
编译的时候需要注意，先新建一个bazel的文件夹，然后将压缩包移动进去，在文件夹内解压

unzip bazel-0.19.2-dist.zip

然后编译源码

bash ./compile.sh.

编译会持续很久的时间，当然这个时间和后面tensorflow的编译时间相比就差远了= =
编译产生的文件放在./output里面，然后执行下面的代码将这个路径添加到环境变量中

vim ~/.bashrc
export PATH=/pathToYourBazelDirectory/output${PATH:+:${PATH}}

安装tensorflow1.13

首先是安装依赖，不然的话会报错误

sudo apt-get install autoconf automake libtool curl make # Protobuf Dependencies

下载源码

git clone https://github.com/tensorflow/tensorflow.git 
cd tensorflow
git checkout r1.13

然后需要修改部分代码，这部分中-代表删除，+代表添加
首先是./tensorflow/lite/kernels/internal/BUILD

diff --git a/tensorflow/lite/kernels/internal/BUILD b/tensorflow/lite/kernels/internal/BUILD
index 4be3226938..7226f96fdf 100644
--- a/tensorflow/lite/kernels/internal/BUILD
+++ b/tensorflow/lite/kernels/internal/BUILD
@@ -22,15 +22,12 @@ HARD_FP_FLAGS_IF_APPLICABLE = select({
 NEON_FLAGS_IF_APPLICABLE = select({
     ":arm": [
         "-O3",
-        "-mfpu=neon",
     ],
     ":armeabi-v7a": [
         "-O3",
-        "-mfpu=neon",
     ],
     ":armv7a": [
         "-O3",
-        "-mfpu=neon",
     ],
     "//conditions:default": [
         "-O3",

然后是./third_party/aws/BUILD.bazel b/third_party/aws/BUILD.bazel

diff --git a/third_party/aws/BUILD.bazel b/third_party/aws/BUILD.bazel
index 5426f79e46..e08f8fc108 100644
--- a/third_party/aws/BUILD.bazel
+++ b/third_party/aws/BUILD.bazel
@@ -24,7 +24,7 @@ cc_library(
         "@org_tensorflow//tensorflow:raspberry_pi_armeabi": glob([
             "aws-cpp-sdk-core/source/platform/linux-shared/*.cpp",
         ]),
-        "//conditions:default": [],
+        "//conditions:default": glob(["aws-cpp-sdk-core/source/platform/linux-shared/*.cpp",]),
     }) + glob([
         "aws-cpp-sdk-core/include/**/*.h",
         "aws-cpp-sdk-core/source/*.cpp",

最后是./third_party/gpus/crosstool/BUILD.tpl b/third_party/gpus/crosstool/BUILD.tpl

diff --git a/third_party/gpus/crosstool/BUILD.tpl b/third_party/gpus/crosstool/BUILD.tpl
index db76306ffb..184cd35b87 100644
--- a/third_party/gpus/crosstool/BUILD.tpl
+++ b/third_party/gpus/crosstool/BUILD.tpl
@@ -24,6 +24,7 @@ cc_toolchain_suite(
         "x64_windows|msvc-cl": ":cc-compiler-windows",
         "x64_windows": ":cc-compiler-windows",
         "arm": ":cc-compiler-local",
+        "aarch64": ":cc-compiler-local",
         "k8": ":cc-compiler-local",
         "piii": ":cc-compiler-local",
         "ppc": ":cc-compiler-local",

然后安装gcc-5，这个据说是因为自带的gcc7.4版本太高，我没有去对比测试，反正这样是可以成功的。

sudo apt-get install gcc-5

接下来是创建交换分区，这个是因为Xavier自带的内存不够用，必须使用交换分区才行，我当初没有创建，编译了五个小时之后报错。。。

$ fallocate -l 8G swapfile
$ ls -lh swapfile
$ sudo chmod 600 swapfile
$ ls -lh swapfile
$ sudo mkswap swapfile
$ sudo swapon swapfile
$ swapon -s

然后就是配置configure文件

1.  $./configure

2.  Please specify the location of python.  [Default  is  /usr/bin/python]:/usr/bin/python3

5.  Found possible Python library paths:

6.  /usr/local/lib/python3.6/dist-packages

7.  /usr/lib/python3.6/dist-packages

8.  Please input the desired Python library path to use.  Default  is  [/usr/local/lib/python3.6/dist-packages]

10.  Do you wish to build TensorFlow  with XLA JIT support?  [Y/n]: n

11.  No XLA JIT support will be enabled for  TensorFlow.

13.  Do you wish to build TensorFlow  with  OpenCL SYCL support?  [y/N]: n

14.  No  OpenCL SYCL support will be enabled for  TensorFlow.

16.  Do you wish to build TensorFlow  with  ROCm support?  [y/N]: n

17.  No  ROCm support will be enabled for  TensorFlow.

19.  Do you wish to build TensorFlow  with CUDA support?  [y/N]: y

20.  CUDA support will be enabled for  TensorFlow.

22.  Please specify the CUDA SDK version you want to use.  [Leave empty to default to CUDA 10.0]:

25.  Please specify the location where CUDA 10.0 toolkit is installed.  Refer to README.md for more details.  [Default  is  /usr/local/cuda]:/usr/local/cuda-10.0

28.  Please specify the cuDNN version you want to use.  [Leave empty to default to cuDNN 7]:

31.  Please specify the location where cuDNN 7 library is installed.  Refer to README.md for more details.  [Default  is  /usr/local/cuda]:/usr/lib/aarch64-linux-gnu

34.  Do you wish to build TensorFlow  with  TensorRT support?  [y/N]: y

35.  TensorRT support will be enabled for  TensorFlow.

37.  Please specify the location where  TensorRT  is installed.  [Default  is  /usr/lib/aarch64-linux-gnu]:

40.  Please specify the locally installed NCCL version you want to use.  [Default  is to use [https://github.com/nvidia/nccl]:](https://github.com/nvidia/nccl]:) 

43.  Please specify a list of comma-separated Cuda compute capabilities you want to build with.

44.  You can find the compute capability of your device at: [https://developer.nvidia.com/cuda-gpus.](https://developer.nvidia.com/cuda-gpus.) 
45.  Please note that each additional compute capability significantly increases your build time and binary size.  [Default  is:  3.5,7.0]:  7.2

48.  Do you want to use clang as CUDA compiler?  [y/N]: n

49.  nvcc will be used as CUDA compiler.

51.  Please specify which gcc should be used by nvcc as the host compiler.  [Default  is  /usr/bin/gcc]:/usr/bin/gcc-5

54.  Do you wish to build TensorFlow  with MPI support?  [y/N]: n

55.  No MPI support will be enabled for  TensorFlow.

57.  Please specify optimization flags to use during compilation when bazel option "--config=opt"  is specified [Default  is  -march=native  -Wno-sign-compare]:

60.  Would you like to interactively configure ./WORKSPACE for  Android builds?  [y/N]: n

61.  Not configuring the WORKSPACE for  Android builds.

然后编译tensorflow

bazel build --config=opt --config=nonccl //tensorflow:libtensorflow_cc.so --incompatible_remove_native_http_archive=false --verbose_failures --cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0"

这个编译大概持续十几个小时，编译完成之后，使用官网给的测试代码进行测试
https://www.tensorflow.org/guide/extend/cc
按照官网的教程一步步来就行，在这里的时候，可能是我的依赖没有安装完全，第一次编译又耗费了十个小时左右，编译了一堆文件。后面再编译就不需要那么久了。
这是使用bazel进行c++代码的编译，我常用的编译方式是cmake编译，下面是我用的CMakeLists.txt文件

cmake_minimum_required(VERSION 2.8)

#SET(CMAKE_CXX_COMPILER "/usr/bin/g++-5")
#set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -std=c++11 -D_GLIBCXX_USE_CXX11_ABI=0")

project(tf_project)

set(SOURCE_FILES test.cpp)

set(EXECUTE_FILE tf_test)

find_package(OpenCV  REQUIRED )

set(TENSORFLOW_DIR /mnt/sd/tensorflow/)

include_directories(${TENSORFLOW_DIR})
include_directories(${TENSORFLOW_DIR}/tensorflow)
include_directories(${TENSORFLOW_DIR}/bazel-tensorflow/external/eigen_archive)
include_directories(${TENSORFLOW_DIR}/bazel-tensorflow/external/protobuf_archive/src)
include_directories(${TENSORFLOW_DIR}/bazel-tensorflow/external/com_google_absl)
include_directories(${TENSORFLOW_DIR}/bazel-genfiles)
include_directories(${TENSORFLOW_DIR}/tensorflow/cc)
include_directories(${TENSORFLOW_DIR}/tensorflow/core)

link_directories(${TENSORFLOW_DIR}/bazel-bin/tensorflow)

add_executable(${EXECUTE_FILE} ${SOURCE_FILES})

target_link_libraries(${EXECUTE_FILE} ${TENSORFLOW_DIR}/bazel-bin/tensorflow/libtensorflow_cc.so)
target_link_libraries(${EXECUTE_FILE} ${TENSORFLOW_DIR}/bazel-bin/tensorflow/libtensorflow_framework.so)

target_link_libraries(${EXECUTE_FILE} ${OpenCV_LIBS})

不知道为啥，这里我使用默认的gcc7.4完全没有问题，感觉很玄学，而且最玄学的一点是这个cmake方式跑不通官方给的测试代码，但是能跑通我的代码。。。希望有大神能帮我解惑
到这里为止就完成了tensorflow1.13的安装

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 161,513评论 4赞 369
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 68,312评论 1赞 305
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 111,124评论 0赞 254
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 44,529评论 0赞 217
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 52,937评论 3赞 295
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 40,913评论 1赞 224
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 32,084评论 2赞 317
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 30,816评论 0赞 205
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 34,593评论 1赞 249
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,788评论 2赞 253
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,267评论 1赞 265
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 28,601评论 3赞 261
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 33,265评论 3赞 241
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,158评论 0赞 8
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,953评论 0赞 201
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 36,066评论 2赞 285
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 35,852评论 2赞 277