介绍
近年来，目标检测算法发展迅速，除了经典的R-CNN以及相应发展出来的算法，还有最近备受关注的的CenterNet等。
首先简单介绍下目前的算法，具体分析参考机器之心-《从锚点到关键点，最新的目标检测方法发展到哪了》一文。
目前计划两篇文章进行小结，第一篇主要围绕TX2简单介绍、刷机和PyTorch、TensorFlow安装过程进行；第二篇主要对运行过的目标检测算法方法进行简单介绍。
本文主要介绍内容如下：1.NVIDIA JETSON TX2运行的简单前期准备 2.我曾在TX2平台运行的目标检测算法，包括可以运行以及运行存在问题的算法
由于本身内容并非要针对算法进行二次开发并未很深入进行修改，同时因为平台限制，仅能性能范围内进行推理过程。看官请轻拍，存在的问题也请各位指出，相互学习帮助。
NVIDIA JETSON TX2系统
首先先贴上官方的贴图，简单介绍TX2的性能。
TX2拿到手时需要自己进行刷机，有两种刷机类型。刷机工具分别是JetPack 3系列与JetPack 4系列，分别对应的系统为Ubuntu 16.04与Ubuntu 18.04.具体刷机根据自己需求进行选择。我个人在运行时主要有以下两部分区别注意：
-
JetPack 3 JetPack 4 -
CUDA 9, CUDNN 7 CUDA 10, CUDNN 8
其主要区别在于使用PyTorch时某些CUDA版本无法正确修改寄存器值，会出现报错。根据需求进行选择。具体选择在下文PyTorch源码编译安装部分介绍。
TX2刷机教程
TX2刷机过程可以根据NVIDIA官网安装步骤进行： JetPack 3：JetPack 3刷机连接
JetPack 4：JetPack 4刷机连接
若是觉着官网教程描述过于简单，可以自行百度搜索TX2刷机教程，安装过程更加详细且符合国情，刷机需要注意的是，网络！网络！网络！无论是主机的网络还是TX2与主机连接的网络！ 如果相关刷机包下载过慢自行考虑墙的问题，大学中或者其他需要登陆账号连接网络的环境时，推荐使用路由器将TX2与主机进行连接，将连接网络账号密码直接写入路由器中，具体做法就不再赘述了。
JetPack 3刷机教程介绍
简单描述下整个的刷机过程，首先是JetPack 3系列比较复杂的步骤： 需要准备的硬件设备：①系统为Ubuntu的主机（Ubuntu 16.04与Ubuntu 18.04应该都可以，我使用的是Ubuntu16.04，网上其他教程提到使用虚拟机也可以，但虚拟机需要注意虚拟机的网络连接方式要选用桥接方式，就是使虚拟机有独立的ip可供使用，同时主机磁盘大小至少50G ， 防止出现下载软件磁盘空间不足） ②NVIDIA JETSON TX2 ③（非必须）路由器和网线 ④比较好用的网络
需要准备的软件：JetPack 3.3
下载地址：JetPack 3.3 for tx2 目前进入此链接后，需要注册nvidia账号才能继续下载。
按步骤下载好后，下面进行安装过程。
1.网络不好的同志们，可以将Ubuntu主机的源进行替换修改，在terminal输入以下命令对原始源文件进行备份：
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
再通过以下命令对源文件进行修改：
sudo gedit /etc/apt/sources.list
更换何种软件源请自行百度，校园用户我比较推荐清华源，某些校园甚至可以达到直接使用官方源不用进行更改，切记根据自己需求进行更改。
2.JetPack的安装
首先我们将TX2通过microUSB与主机相连。
进入存放下载JetPack安装包的文件夹，打开terminal，修改JetPack安装包的权限
chmod +x ./JetPack-L4T-3.3-linux-x64_b39.run
下一步打开安装包 ./JetPack-L4T-3.3-linux-x64_b39.run 上一步已经修改了他的权限，无需添加sudo!!!!
我们直接拔掉TX2电源...
插上TX2电源，摁下power键后，按住recovery键不松手，然后再摁住reset键保持两秒钟再松开reset键，松开reset键几秒后再松开recovery键，一定保证顺序正确！此时TX2进入恢复重置模式，我们在主机上重新打开一个terminal，输入lsusb ， 查看是否有NVidia Corp设备，如果有即可继续。
当上述步骤准备好后，在上图的终端中点击Enter键进行刷机安装软件。
JetPack 4刷机介绍
相比较而言，JetPack 4刷机变得人性化很多，和普通软件用起来差不多，没有太多门槛。
准备的硬件设备：同JetPack 3相同
准备的软件：JetPack 4 下载地址：JetPack 4下载地址
下载完成后使用以下命令进行安装，sudo apt install ./sdkmanager-[version].[build#].deb
安装完成后在terminal输入 sdkmanager 即可运行安装程序，由于整个安装程序操作比较简单，点点鼠标选择自己需要的就可以了。
在下载完成所有刷机所需要的软件后，提示需要连接TX2时，重复上述TX2进入恢复重置模式的步骤即可，验证连接到主机上后进行刷机即可完成。
当我们将TX2系统准备好后，下面就会有另一个坑的环境准备着了。
TX2安装PyTorch
TX2安装PyTorch有两种办法：1）通过打包好的whl包直接pip安装 2）PyTorch源码编译
1.whl包直接安装
我们先介绍简单的第一种安装方式，通过whl包直接安装。我使用JetPack 4刷机的TX2可以通过这种方式安装。刷机完成后自带Python 3.6，可以直接使用NVIDIA官方打包好的PyTorch包进行安装，并且其中已经修改好num_threads值，可以解决部分需要加载太多资源的报错。PyTorch for jetson Nano/TX2 同时需要注意安装完PyTorch记得将torchvision安装好，对应关系在链接中可以找到。
2.PyTorch源码编译
相比较于whl包直接安装，源码编译费时费力，当时我通过源码安装大概用了一整天的时间。且在TX2平台已经使用了一段时间，安装了某些程序后，源码编译容易出现问题。
目前我PyTorch源码编译主要是在JetPack 3刷机后的Ubuntu 16.04系统上，此系统自带的Python为3.5、CUDA 9（别问我为什么不用2.7，戒了）在另一系统的平台上我并没有采用源码编译方式进行安装。由于间隔时间较长，且我记忆里源码编译经常出错，这里我放一个链接，是我当时感觉比较完备的一个安装过程。PyTorch tx2源码编译安装
在实验过程中，我分别使用JetPack 3和4系列进行刷机，主要是由于运行某些目标识别算法过程中会出现以下错误:
RuntimeError: cuda runtime error (7) : too many resources requested for launch at /home/nvidia/pytorch/torch/lib/THCUNN/generic/SpatialUpSamplingBilinear.cu:63
解决如上错误问题，主要是对PyTorch中的num_threads值进行约束修改，const int num_threads = 512; 由于使用JetPack 3刷机的TX2 CUDA版本为9，从源码编译 PyTorch 1.0以上版本时出现问题，修改的num_threads也无法起到正确的限定作用。所以我将可以运行的算法运行结束后重新使用JetPack 4刷机，其系统为Ubuntu 18.04自带Python 3.6版本，安装PyTorch可以直接使用NVIDIA打包修改好num_threads的安装包直接安装即可使用。具体差异可以使用解压工具查看安装包内部文件浏览对比。
具体修改过程可以参考以下链接
TX2安装TensorFlow
TX2安装TensorFlow也很简单，官方有打包好的whl进行安装，下载好后通过pip即可安装，下面附上链接。如果需要对TensorFlow进行修改，可能需要源码进行修改，然后重新编译。TensorFlow for tx2
参考链接
mp.weixin.qq.com/s/XmVTIEZUJ… docs.nvidia.com/jetson/arch… docs.nvidia.com/jetson/arch… blog.csdn.net/DeepWolf/ar… blog.csdn.net/zt109157418… blog.csdn.net/qq_33869371… devtalk.nvidia.com/default/top… github.com/pytorch/pyt… devtalk.nvidia.com/default/top…
