Dji ManiFold-2G(Nivida Jetson TX2)源码安装Tensorflow-1.12.0
Cuda 9.0Jetpack 3.3Python 3.5cuDNN 7.4.1（严格匹配！其他版本会出现问题！）1. 使用背景：
使用TensortRt在DJI MANIFOLD-2G 部署加速目标检测模型。Nivida 提供了一些版本的tensorflow wheel安装。
由于Dji ManiFold-2G内置的Jetpack 3.3，Cuda9.0，Jetpack和Cuda版本不可随便变更，所以在安装tensorflow时需要注意按照版本进行匹配。在TX2上安装tensorflow-0.8.0经过测试是可以正常使用的，但是在转换和加载目标检测模型是会出现一些问题，因此尝试更高版本的tensoflow。
2. 准备工作：
2.1 创建虚拟内存空间
由于MANIFOLD-2G 的内存只有8G，在源码编译tensorflow这种大型项目时需要足够的内存，因此建议在硬盘上创建8G虚拟内存（按照自己实际需求创建虚拟内存）。
$ sudo fallocate -l 8G /swapPath/8GB.swap$ sudo mkswap /swapPath/8GB.swap$ sudo swapon /swapPath/8GB.swap
此时可以使用free-m看到已经新建了8GB的虚拟内存，为了保证该虚拟内存在计算机重启后仍有效，需要将下面语句添加到/etc/fstab后并重启计算机：
$ /swapPath/8GB.swap none swap sw 0 0
注： 在TX-2这种开发板上创建虚拟内存空间十分重要，这保证一些大型程序的编译有足够的内存空间，如果不建立这样的内存空间在编译TF时会出现内存不足的错误。
3. 安装步骤：
作者在安装学习的过程中主要参考JK Jung blog，该博客给作者的工作提供了极大的帮助，因此这里也主要借鉴JK Jung所提供的相关内容。
如果你已经安装了tensorflow、tensorboard，需要先讲其卸载
$ sudo pip3 uninstall -y tensorflow tensorboard
从Github上下载安装源码，这里直接使用JK Jung的Github的jetson_nano仓库
$ cd /project$ git clone /jkjung-avt/jetson_nano.git$ cd jetson_nano
安装libprotobuf-3.6.1，安装该版本的libprotobuf主要是由于在使用TensorRt加速模型时大幅度提升对模型文件（xx.pd）载入的时间。
$ ./install_protobuf-3.6.1.sh
在安装protobuf过程中比较顺利没有出现问题，但是编译时间较长。如编译中遇到问题可以交流。
安装bazel-0.15.2，bazel主要是tensorflow的源码编译工具。
./install_bazel-0.15.2.sh
bazel编译中出现的问题：
Q1. 无法解压tensorflow/third_party/asm/asm-6.0.jar
该问题主要是由于使用unzip对.jar文件解压失败造成的，笔者没有找到更合适的方法解决这个问题，但是尝试了一种比较笨拙的方式解决了该问题。
首先，进入到出现问题的文件夹：
cd /src/tensorflow/third_party/asm
其次，将asm中.jar文件加上.zip后缀后变成xxx.jar.zip，再使用unzip解压时发现是正确的，按照此方法可以解决该问题。
Q2. 解压正确，但是后面运行时仍提示无xxx.jar文件
出现这个问题很迷惑，笔者尝试解压完文件后将原来的xxx.jar文件又放回到 /src/tensorflow/third_party/asm目录中，编译正确执行。（上述问题的出现用着两种方法可以解决，但是笔者总觉得这不是最合适的方法，没有从根本解决这个问题，如果大家有更好的解决方法，欢迎交流！！）
源码安装tensorflow-1.12.2，执行安装脚本，包括下载tensorflow所依赖的环境。
./install_tensorflow-1.12.2.sh
编译中出现的问题：
Q3. bazel构建文件出现的release-62-1.tar.gz错误解决
该问题主要是由于下载release-62-1.tar.gz的错误，搭建一个本地的http服务，自己下载release-62-1.tar.gz并将其放到相应的位置。具体步骤如下：
① 搭建本地http服务:
$ sudo apt-get install httpd$ sudo apt-get install apache2$ sudo apt-get install apache2-dev
安装成功后使用sudo systemctl status apache2查看状态，在浏览器中输入localhost出现下面界面即为成功。
② 安装release-62-1.tar.gz
下载地址，将下载好的文件复制到/var/www/html目录下，并将https://localhost/release-62-1.tar.gz添加到tensorflow/third_party/icu/workspace.bzl的url中。继续执行会出现下面的问题，需要在进行一处修改：
将tensorflow/third_party/icu/workspace.bzl中的Checksum改成报错内容中出现的序列，即86b85…这一行序列
③ 注意
在完成上述步骤后，记得要copy一个workspace.bzl文件，因为在编译tensorflow是会更新这个文件，注意当编译时更新文件之后，迅速将更新的文件改成重新写好的workspace.bzl，这里源码编译会让你确认cuda版本，在确认版本之前更改这个文件即可。
源码编译结束后安装wheel文件即可。脚本中已写好，无需自己安装。这里给大家提供一下我编译安装好的wheel文件。
tensorflow-1.12.2-cp35-cp35m-linux_arrach64.whl
4. 常见问题
在成功安装tensoflow-1.12.2后，在测试程序的时候出现如下问题
Error : Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above.
查阅了一些解决办法，最后发现是因为我的cuDnn版本不匹配导致的，之前我将Manifold-2G的cuDNN版本更新了一次，更改成了7.6.5版本，但是这个版本与编译的tensoflow不匹配，所以导致该错误发生。建议读者严格按照文章开始提到的环境安装。
问题解决来源 /tensorflow/tensorflow/issues/24828
才疏学浅，如有问题请多指教！
