題圖：攝於武大凌波門
作為一名每天對著各種裸板的系統工程師，對Jetson Nano會踩到各種坑是做好了充分準備的，本著踩坑填坑的精神，在這裡記錄一下踩坑經歷，供大家一樂。如何避開這些坑？想多了，因為以後你們即使繞開了這些坑，也會有其它的坑等著你:) 重要的是要做到人擋殺人、佛擋殺佛，遇到坑直接趟過去。
安裝軟體遇到鎖
使用apt-get install命令安裝軟體包，遇到如下提示：
alex@alex-jetson-nano:~$ sudo apt-get install xrdp
[sudo] password for alex:
E: Could not get lock /var/lib/dpkg/lock-frontend - open (11: Resource temporarily unavailable)
E: Unable to acquire the dpkg frontend lock (/var/lib/dpkg/lock-frontend), is another process using it?
複製程式碼重啟後什麼操作也不做，安裝軟體包，提示依舊。
填坑指南：
首先檢視一下是否有apt程式在工作：
alex@alex-jetson-nano:~$ ps aux | grep -i apt
root 6569 0.0 0.0 1912 496 ? Ss 10:37 0:00 /bin/sh /usr/lib/apt/apt.systemd.daily update
root 6582 0.0 0.0 1912 1272 ? S 10:37 0:00 /bin/sh /usr/lib/apt/apt.systemd.daily lock_is_held update
_apt 7736 5.4 0.1 19552 8036 ? S 10:41 0:20 /usr/lib/apt/methods/http
alex 7883 0.0 0.0 7416 640 pts/0 R+ 10:47 0:00 grep --color=auto -i apt
複製程式碼可以看到系統在做每日檢查更新，解決的方法很簡單，關閉每日更新檢查：
System Settings | Software & Updates，在Updates頁，Automatically check for updates，選擇Never
遠端連線
沒有為Jetson Nano單獨配顯示器，和開發機共用，但兩者都是用的HDMI介面，這樣每次切換顯示都必須插拔HDMI線，很是麻煩，這個時候就需要遠端連線。
有兩種使用遠端登入Jetson Nano的方法，一種是通過SSH協議登入，這種方法時延小，佔用資源少，但只支援命令列。另一種就是通過RDP（Remote Desktop Protocol）協議，支援GUI，熟悉Windows的朋友可能知道Windows支援遠端登入，在Ubuntu系統上，也能達到同樣的效果。
Jetson Nano採用的是Ubuntu桌面系統，要支援遠端桌面協議很簡單：
sudo apt-get update
sudo apt-get install xrdp
複製程式碼然而在我的開發機上使用Remmina Remote Desktop Client軟體，配置好各種引數進行連線，總是一閃而過，退出應用。開始懷疑是Remmina Remote Desktop Client相容性存在問題，後來換Windows下的遠端登入，依然如此。檢視$HOME/.xorgxrdp.10.log日誌，可以看到Server端主動退出。
填坑指南：
和普通Ubuntu桌面系統不同的是，Jetson Nano並不支援兩個客戶端同時登入。安裝時為了省事，選擇了自動登入系統，這樣每次Jetson Nano每次啟動，就會有一個使用者登入進去，這個時候我再遠端登入就會被拒絕。解決方法是，編輯 /etc/gdm3/custom.conf 檔案，找到AutomaticLoginEnable和Automatic Login行，註釋掉：
sudo vi /etc/gdm3/custom.conf
# AutomaticLoginEnable=true
# Automatic Login=[user1]
複製程式碼無法匯入cv2模組
Jetson Nano系統預設python為2.7版本，然而安裝tensorflow-gpu卻需要Python3，在Python3下匯入opencv模組，出現如下錯誤：
(tensorflow-gpu) alex@alex-jetson-nano:~$ python3
Python 3.6.7 (default, Oct 22 2018, 11:32:17)
[GCC 8.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import cv2
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ModuleNotFoundError: No module named 'cv2'
>>>
複製程式碼使用預設的2.7版本python，則無此問題。
填坑指南：
系統預設為python 2.7安裝了opencv模組，但python3沒有，需要自己安裝：
sudo apt-get install python3-opencv
複製程式碼這樣安裝到系統python3的環境中，如果你使用了python虛擬環境，而建立虛擬環境時沒有新增 --system-site-package 引數，在虛擬環境中依然會有問題，解決方法，刪除掉虛擬環境中的no-global-site-packages.txt檔案。假如虛擬環境名為tensorflow-gpu，命令如下：
rm ~/.virtualenvs/tensorflow-gpu/lib/python3.6/no-global-site-packages.txt
複製程式碼python虛擬環境
要說到python的版本問題，python程式設計師絕對一把鼻涕一把淚。python 2和python 3之間不相容的問題由來已久，到目前，python 3也沒有把python 2幹掉，兩者尷尬的共存著。除了python本身，python第三方軟體包的版本問題也是讓人頭大。好在我們可以藉助python虛擬環境來解決這一問題。python虛擬環境和虛擬機器不同，僅僅是做一個環境隔離，完全不存在效能損失，非常適用於python 程式。在開發機上，我使用的是anaconda包，然而，anaconda的linux版本只出了x86 32位和64位架構的包，並沒有arm64的包。無奈之下，我只能選擇python的virtualenv工具。
填坑指南：
virtualenv本身就已經夠用，不過為了方便管理，我還是使用了一個wrapper，這實際上就是用指令碼在virtualenv上封裝了一層，方便使用：
sudo apt-get install virtualenvwrapper
複製程式碼為了方便使用這些指令碼，我在 $HOME/.profile 檔案中新增了一行：
source /usr/share/virtualenvwrapper/virtualenvwrapper.sh
複製程式碼建立虛擬名為tensorflow-gpu的虛擬環境：
mkvirtualenv -p /usr/bin/python3 --system-site-package tensorflow-gpu
複製程式碼啟用虛擬環境
workon tensorflow-gpu
複製程式碼退出虛擬環境
deactivate
複製程式碼安裝tensorflow
Jetson Nano出廠系統並沒有自帶TensorFlow環境，早先甚至連官方支援都沒有，所以網上有很多安裝Tensorflow的指南，及其複雜，好在Nvidia意識到了這個問題，給出了官方支援。
填坑指南：
安裝依賴包：
sudo apt-get install libhdf5-serial-dev hdf5-tools
sudo apt-get install python3-pip
pip3 install -U pip
sudo apt-get install zlib1g-dev zip libjpeg8-dev libhdf5-dev
sudo pip3 install -U numpy grpcio absl-py py-cpuinfo psutil portpicker grpcio six mock requests gast h5py astor termcolor
複製程式碼注意有些步驟特別慢，以至於我以為安裝包被牆了，重試了幾次仍然這樣，後來才弄清楚有些包是需要即時編譯的，所以會比較慢，需要耐心等待。
然後安裝最新的tensorflow-gpu：
pip3 install --pre --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu
複製程式碼如果要安裝指定版本：
pip3 install --extra-index-url https://developer.download.nvidia.com/compute/redist/jp/v42 tensorflow-gpu==$TF_VERSION+nv$NV_VERSION
複製程式碼其中，TF_VERSION是TensorFlow的釋出版本，比如1.12.0。NV_VERSION為Tensorflow的NVIDIA容器版本，比如19.01。
小結
在使用Jetson Nano中，還碰到很多稀奇古怪的問題，這裡沒法一一寫出，解決問題主要靠Google，當然Nvidia開發者論壇的Nano版塊也值得去看一看，其地址為：devtalk.nvidia.com/default/boa… 在上面我試著用蹩腳的英文向其他開發者提問，收到了不少回應。
生命不息，折騰不止，其實Jetson nano最大的樂趣就是折騰，可以預料以後還會踩各種坑，不過相比軟體的坑，硬體的坑更大，畢竟那還要投入真金白銀，下一篇我將寫寫硬體上的坑，敬請關注。