NVIDIA JetBot系列教程（2）：软件环境安装

本次Jetbot实验全程都在 Jetson Nano 2GB开发套件上面运行。在组装Jetbot教学系统之前，最好先把Jetbot系安装到JetsonNano 2GB上，这样可以先对每个元件进行独立的测试，确认元件能正确工作之后再进行组装的步骤。

否则一旦先组装好再测试的话，如果发现某个元件有问题，或者线路（杜邦线、电源线）没接好，就得拆下来测试后再组装，这个过程非常折磨人，因此建议在组装之前，先个别测试每个元件之后再进行组装，会减少很多麻烦。

Jetbot需要与很多周边设备互动，并且使用很多深度学习框架以及Jupyter交互界面进行操作，因此需要安装与调试的内容很多，主要包括以下部分：

1. jtop性能监控软件：这个软件对于熟悉Jetson设备的人来说是非常熟悉的。

2. 摄像头调用库：独立支持CSI摄像头的接口

3. 深度学习工具：包括Python相关库，以及pytorch、torchvision库与TensorFlow模型仓、torch2trt工具等

4. Jupyter交互环境：包括Jupyter Lab、Jupyter Clickable ImageWidget以及一些扩展包

5. 周边调用库：包括支持I2C接口的python3-smbus库、创建支持PiOLED显示的服务与对PCA9685+TBB6612控制板的调用。

6. 添加4GB SWAPFILE与修正一些小错误：

7. 其他

为了减少使用者的逐步安装之苦，Jetbot提供三种安装方式，现在就一一为大家说明，请任选其中一种就可以。

完整镜像安装Jetbot

这是Jetbot一开始推出来的时候所使用的方法，至今还继续沿用。执行步骤如下：

(1) 下载Jetbot镜像：

根据所使用的机型是Jetson Nano或2GB版本，选择对应的下载路径，目前最新版本是基于Jetpack 4.5的基础上搭建，然后打包成镜像文件提供下载。请到https://jetbot.org/master/software_setup/sd_card.html（下图）点选：

这种方式最常遇到的问题，就是镜像文件存放在Google Drive上，国内下载可能会出现阻碍，目前也没找到任何Mirror站提供这两个镜像文件，这是用户需要自行客服的部分。

(1) 准备一张32GB以上的TF卡，用Etcher将上面下载的镜像烧录进TF卡；

(2) 将TF卡插入设备后开机即可使用，系统用户名、密码以及Jupyter界面的密码都是 ”jetbot”

对于Ubuntu操作系统不是太熟的使用者，推荐使用这种方法是最单纯的。

l 在原有系统上创建：

如果您已经在JetsonNano（含2GB）上开发某些深度学习应用，并计划与Jetbot进行整合，那么前面一种方式就需要您将现有项目全部移植到Jetbot的环境里，这并不是一种非常理想的方式。

这里有两种方法能在您现有的Jetapck开发环境中，安装Jetbot智能无人车项目，不过请确认您的TF卡还有足够的空间，如果将SWAP挡一起算进去，建议至少有10GB空间是比较保险的。

第一件事情，就是将Github的开源代码，复制一份到您的Jetson Nano（含2GB）上，请执行以下指令：

接下来看看这两种可以操作的方式，Jetbot项目都为我们准备好对应的脚本，因此只要执行这些脚本就可以，只是有些小地方需要做点修正就可以：

1.在系统上直接用脚本安装：

在jetbot/scripts里有个”create-sdcard-image-from-scratch.sh”脚本，将所有Jetbot所需要的依赖库、软件与环境调试步骤，全部写在这个脚本里面，只要执行以下指令就能自动执行。

$ cd scripts
$ sudo ./create-sdcard-image-from-scratch.sh
$./scripts/configure_jetson.sh  # 关闭图形桌面，并设定成10W运行模式
$./scripts/enable_swap.sh      # 添加SWAP空间

但这种方法存在一个比较大的风险，就是安装过程中，有些Python库版本会与您原本调试好的版本产生冲突的可能，特别是numpy版本以及tensorflow、pytorch相关的库，一旦造成冲突，要重新还原是个大工程。

除非您对这些库之间的版本依赖比较熟悉，否则并不推荐使用这个方式，虽然这种安装所需要的时间最短，但是潜藏的风险是最大的。

2. 使用Docker容器技术：

这是实用性最高的方式，不仅Docker集成技术会将Jetbot操作环境与实体环境进行隔离，避开软件版本冲突的风险，还能与您现有开发环境共存，进一步将JetsonNano 2GB上所开发的项目有效集成，也让TF卡利用率能发挥到最高，是我们比较推荐的一种安装方式。

创建Jetbot容器的脚本在目录下的docker目录里，请先将工作位置移到这里：

$  cd ~/jetbot/docker

这个安装过程，最好先用USB或网络（有线或WIFI）与Jetson Nano 2GB连线，透过SSH远程操作会比较合适，因为过程会将Jetson Nano（含2GB）的图形桌面关闭，并且最后需要在PC上用浏览器开启Jupyter操作界面。

Jetbot团队提供创建Docker版本的脚本是基于Jetpack 4.4版本，如果您目前使用Jetpack 4.5以上版本的话，需要对base/build.sh、<base>、<camera>、<display>、<jupyter>、<models>下面的Dockerfile进行小幅度修改。下面以Jetpack 4.5版本为例：

(1) 修改base/build.sh：删除 ”BASE_IMAGE=$JETBOT_BASE_IMAGE”

(2) 修改base/Dockerfile文件的两行设定值：

Ø 将第1行 r32.4.3-pth1.6-py3 改成r32.5.0-pth1.6-py3

Ø 第102行 ”RUN apt install -y python3-smbus&& pip3 install pyzmq”提前到jupyter的安装之前，例如移到第77行

Ø 为前一个安装行最后的 ”pyzmq” 指定版本，改成 ”pyzmq==22.0.0”

(3) 修改models、display、jupyter、camera下面的Dockerfile：

Ø 执行以下指令就可执行替换任务：

全部修改存档后，回到docker目录下执行创建脚本：

整个过程在Jetson Nano 2GB上大约需要90分钟，会创建或下载以下6个镜像文件：

(1) nvcr.io/nvidia/l4t-pytorch:r32.5.0-pth1.6-py3：从NVIDIA的镜像仓中下载，作为Jetbot镜像的基础，因为这是Jetbot深度学习的基础环境。

(2) jetbot/jetbot:base-0.4.3-r32.5.0：提供深度学习环境与周边调度管理机制

(3) jetbot/jetbot:jupyter-0.4.3-r32.5.0：Jupyter互动式操作嗯环境

(4) jetbot/jetbot:display-0.4.3-r32.5.0：负责在PiOLED显示内容

(5) jetbot/jetbot:camera-0.4.3-r32.5.0：负责摄像头调度的功能

(6) jetbot/jetbot:model-0.4.3-r32.5.0：存放项目需要的预训练模型

创建完毕之后，执行以下指令看看是否创建齐全：

$  docker images

后面所显示的“SIZE” 是叠加上去的，全部实际所占用的空间大约5GB，所以不用太担心TF卡空间是否会不足。

最后设置Jetbot相关环境，并重启设备：

$ ./scripts/configure_jetson.sh  # 关闭图形桌面，并设定为10W执行模式
$ ./scripts/enable_swap.sh      # 创建4GBSWAP 空间
$ sudo reboot

接下去就启动Jetbot软件，执行以下指令将启动位置设为在 $HOME/jetbot

检查系统是否启动？可以用docker ps指令看看服务是否正常允许，如果显示以下信息，表示这个系统已经启动。

到这里就完成Docker版Jetbot系统的安装。

登陆Jupyter操作界面

这里需要一台Jetson Nano 2GB以外的电脑，可以是Windows、Linux、Mac操作系统的PC机，透过网络连线的方式，用浏览器登陆Jupyter界面来操作Jetbot。

必须确保两台电脑在同一个网段，而且可以互相访问(ping)，最简单的方式就是用具备数据传输的MicroUSB连接线，将Jetson Nano 2GB 与 PC之间进行直连（如下图），当连线成功之后，Jetson Nano 2GB就能有”192.168.55.1”这个固定的IP，这样出来是最简便的。

只要在PC上执行 “ping 192.168.55.1” 能正确通信，接下去就可以在PC上开启一个浏览器（推荐用Chrome）输入”<IP_OF_JETSON_NANO_2GB>:8888”，例如这里就在浏览器网址输入框输入 ”192.168.55.1:8888” 就可以。

第一次进入的时候会要求输入密码，系统预设为“jetbot”，输入之后就能进入下面画面的Jupyter操作界面，这里的根目录就是 ”enable.sh”后面跟随参数所指定的路径，可以自行调整。

如果能打开的话，就表示这台Jetbot已经处于能工作的状态，就可以开始进入后面的内容。关于Jupyter的操作，请自行在网上查找，这里不单独提供使用说明。接下去的内容就会在这个界面上进行操作。[完]