1 安裝miniforge
1.1 miniforge簡介
conda是一個開源的包、環境管理器，可以用於在同一個機器上安裝不同版本的軟件包及其依賴，並能夠在不同的環境之間切換。搞深度學習的應該都十分熟悉anaconda，但是NVIDIA Jetson Xavier NX是arm架構的，anaconda及其精簡版miniconda並不支持arm64架構。現在主流的CPU架構分為Intel的x86/x64架構和ARM的ARM/ARM64兩種，平常用的電腦大部分都是x86/x64的（蘋果除外），Xavier使用的是ARM64，所以很多在x86/x64上能用的的東西到了它這里就不能用了。這一點請謹記，如果你在Jetson上遇到什么奇奇怪怪的例如“No such file or directory”之類的問題，第一時間要考慮是不是版本不是ARM64的版本。
在ARM64上的anaconda替代品是miniforge，miniforge與miniconda的區別在於miniforge的下載通道是conda-forge，其他基本沒什么不同。
1.2 miniforge安裝教程
（1）先到miniforge的官方下載地址下載對應的sh文件：https://github.com/conda-forge/miniforge/releases
別下錯了，例如我下載的是Miniforge-pypy3-4.10.3-3-Linux-aarch64.sh,代表適用於arrch64架構下的Linux系統。（ARM64對應32位和64位分為arrch32和arrch64）
（2）進入到miniforge的sh文件所在目錄，右鍵打開Terminal，輸入以下命令進行安裝：
sh Miniforge-pypy3-4.10.3-3-Linux-aarch64.sh
（3）安裝完畢后，添加環境變量，否則會出現bash:conda Command not found的錯誤。順便提一下vim編輯器按a是進入編輯模式，編輯完畢后按ESC退出編輯模式，再輸入:wq!是保存並退出。總感覺有人不知道。
# 編輯環境變量
vim ~/.bashrc
# 增加環境變量, 將<username>換成你的用戶名
export PATH=/home/<username>/miniforge-pypy3/bin:$PATH
# 激活環境變量
source ~/.bashrc
# 顯示(base)
source activate
（4）更換下載源為清華源
conda config --prepend channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --prepend channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
(5)更換pip源
創建並進入pip.conf文件
mkdir ~/.pip
cd ~/.pip
vim pip.conf
在pip.conf 文件中添加
[global]
index-url = https://pypi.mirrors.ustc.edu.cn/simple/
安裝完畢。
2 安裝PyTorch
2.1 安裝新的虛擬環境
這個教程是在miniforge上安裝PyTorch的，如果你不想裝在虛擬環境上，可以參考這篇博客。
安裝完miniforge后，打開終端，命令行前面應該有個(base)，表示base環境，就像下圖一樣。如果沒有，那就輸入：source activate激活miniforge。
2.2 PyTorch 1.8
直接輸入命令安裝PyTorch，pip3是python3的pip，如果沒裝，就換成pip。
pip3 install -U future psutil dataclasses typing-extensions pyyaml tqdm seaborn
wget https://nvidia.box.com/shared/static/p57jwntv436lfrd78inwl7iml6p13fzh.whl -O torch-1.8.0-cp36-cp36m-linux_aarch64.whl
pip3 install torch-1.8.0-cp36-cp36m-linux_aarch64.whl
如果網絡不好的話，也可以先把PyTorch的whl文件下載下來，NVIDIA官方網址是：https://forums.developer.nvidia.com/t/pytorch-for-jetson-version-1-9-0-now-available/72048
pip3 install torch-1.8.0-cp36-cp36m-linux_aarch64.whl
安裝完畢后可以在終端輸入以下命令檢驗PyTorch是否正確安裝：
python3 -c 'import torch; print(torch.cuda.is_available())'
正常來說，會返回True
排錯1
如果出現 Illegal instruction (core dumped)的錯誤，這是由於numpy 1.19.5和OpenBLAS沖突引起的，修改其中一項即可。選擇以下兩種做法之一：
（1）降低numpy版本
pip3 install -U "numpy==1.19.4"
(2)設置OpenBLAS
vim ~/.bashrc
加入
export OPENBLAS_CORETYPE=ARMV8
然后激活.bashrc
source ~/.bashrc
2.3 torchvision v0.9.0
Pytorch除了torch包之外還需要安裝對應的torchvision才能運行，兩者的版本對應關系如下圖：
sudo apt install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
pip3 install --upgrade pillow
git clone --branch v0.9.0 https://github.com/pytorch/vision torchvision
cd torchvision
export BUILD_VERSION=0.9.0
python3 setup.py install --user
cd .. # running torch from torchvision/ will fail
之后可以嘗試跑自己的代碼測試PyTorch功能了。
參考博客
https://blog.csdn.net/qq_39567427/article/details/109158918
https://cognitivexr.at/blog/2021/03/11/installing-pytorch-and-yolov5-on-an-nvidia-jetson-xavier-nx.html