### 在 Jetson Xavier NX 上安装和配置 TensorFlow 2.4 #### 准备工作 为了确保顺利安装 TensorFlow 2.4，在开始之前需确认已正确设置了开发环境。建议的操作系统为 Ubuntu 20.04 LTS，并且应预先安装好 NVIDIA JetPack SDK，这通常包含了 CUDA 和 cuDNN 库。 #### 安装依赖项 首先更新系统的包列表并安装必要的依赖库： ```bash sudo apt-get update && sudo apt-y sudo apt-get install -y libhdf5-dev libc-ares-dev libeigen3-dev \ gfortran graphviz python3-pip wget git cmake build-essential \ curl pkg-config libfreetype6-dev libpng-dev \ software-properties-common libgl1-mesa-glx ``` #### 创建 Python 虚拟环境 推荐创建一个新的虚拟环境来隔离项目所需的软件包： ```bash python3 -m venv tf2_env source tf2_env/bin/activate pip install --upgrade pip setuptools wheel ``` #### 下载并编译 TensorFlow 源码 由于官方二进制文件可能不完全兼容 Jetson 设备，因此可以从源代码编译适合该平台的 TensorFlow 版本。下载指定版本的源代码仓库后按照如下操作： ```bash git clone https://github.com/tensorflow/tensorflow.git tensorflow_src cd tensorflow_src git checkout tags/v2.4.0 -b v2.4.0_branch ./configure bazel build --config=v2 --copt=-march=armv8-a --cxxopt='--std=c++17' //tensorflow/tools/pip_package:build_pip_package ./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg pip install /tmp/tensorflow_pkg/*.whl ``` 上述命令中的 `--config=v2` 参数指定了针对 ARM 架构优化的构建选项[^4]。 #### 测试安装 完成以上步骤之后可以通过简单的测试脚本来验证 TensorFlow 是否正常工作： ```python import tensorflow as tf print(tf.__version__) mnist = tf.keras.datasets.mnist (x_train, y_train), (x_test, y_test) = mnist.load_data() model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10) ]) predictions = model(x_train[:1]).numpy() tf.nn.softmax(predictions).numpy() loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True) model.compile(optimizer='adam', loss=loss_fn, metrics=['accuracy']) model.fit(x_train, y_train, epochs=5) ``` 如果一切设置无误，则应该能够看到训练过程的日志输出以及最终模型评估的结果。