一、前言
时下火热的AI浪潮，似乎商品都需挂钩AI这名词，作为边缘计算类产品的JetsonNano是货真价宜人工智能产品，JetsonNano具备Maxwell128核心的GPU和4核心 ARM A57的CPU，可运行Ubuntu(Linux for Tegra，L4T)，浮点运算能力为472GFLOPS(FP16)，官方给出的功率为10W，如此功率和算力已经相当可观，对比其它厂商的板卡可谓一枝独秀。
JetsonNano可以用来干嘛？若仅仅用来跑控制程序未免过于浪费，所以，下面开始将通过JetsonNano+TensorFlow介绍机器学习相关内容(神经网络（Neural Network）简要发展)，慢慢理清入门TensorFlow的思路。本文主要介绍如何在Jetson-Nano上安装TensorFlow以及一些和机器学习相关的库
注意：
- JetsonNano平台只支持Python3.6的TensorFlow。
- JetsonNano镜像版本：JetPack4.4（目前最新镜像为JetPack4.4）
- TensroFlow API版本：r2.1.0(Nvidia于201904更新了tensorflow-2.1.0)
二、环境搭建
①、登陆Jetson Nano（登录Jetson Nano相关教程），安装相关函数库，输入下面命令：
注意：在输入第二个指令相关函数库的时候可能会由于网络延迟问题出现报错，如果有这种现象，建议你将指令拆开，手动一个个安装。
sudo apt-get update
sudo apt-get install pip3 libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev liblapack-dev libblas-dev gfortran②、安装pip3
因为Jetson Nano中已经安装了Python3.6版本，所以安装pip还是比较简单的
sudo apt-get install python3-pip python3-dev安装后pip是9.01版本，需要把它升级到最新版，升级后pip版本为20.1.3。
python3 -m pip install --upgrade pip #升级pip③. 安装那些机器学习领域经常使用的库
sudo apt-get install python3-scipy
sudo apt-get install python3-pandas
sudo apt-get install python3-sklearn④.安装TensorFlow依赖库， 对应需求的版本注意对应TensorFlow版本查看对应需求的依赖库版本（点这里查询），如果由于网络延迟问题有中断的话，建议拆分指令一个一个安装：
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 pybind11⑤、下载安装tensorflow. 截止到200515， 目前针对最新的JetPack4.4， TensorFlow版本更新到2.1.0版本，并且由原来的TensorFlow-gpu更改为tensorflow. 这里我们直接下载最新版本. 下载完成之后，可以import tensorflow测试一下。
sudo pip3 install --pre --no-cache-dir --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v44 tensorflow测试：
import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(12)
sess.run(a + b)
此时可以按下Ctrl+Z退出python3交互界面
⑥、另外安装其它支持包，分别输入下面命令：
sudo apt-get install python3-matplotlib
sudo apt-get install python3-dev python3-setuptools libtiff5-dev zlib1g-dev libfreetype6-dev liblcms2-dev libwebp-dev libharfbuzz-dev libfribidi-dev tcl8.6-dev tk8.6-dev python3-tk
sudo pip3 install pillow
