在Jetson Nano (TX1/TX2)上使用Anaconda与PyTorch 1.1.0
（注意：以下内容只在Jetson Nano上尝试过，但理论上来说采用了相同架构, i.e. ARM A57,的TX1/TX2应该都可以，但AGX Xaiver不是很确定）
今天入手了一块Jetson Nano。心里幻想着能结合IoT做一些AI-based应用。
结果到手之后傻眼了——Jetson系列是基于aarch64 (Arm64)架构的。
这就意味着，很多工具包，如果没有专门为aarch64编译过，那么就需要自己手动编译甚至是彻底无法使用了。
比如大名鼎鼎的Anaconda。
Anaconda是一个包管理工具，这个工具的强大之处在于，甚至不止跨越了Python，还能在某种程度上完全隔离出一个底层环境。甚至是让很多原本会冲突的包共存。我们只需要用conda create -p /prefix/path 来指定在某个位置创建一个隔离环境，然后通过source activate /prefix/path 来激活这个环境，并且在这个环境下面可以随便折腾。比如装一个与操作系统默认版本不一致的python。玩儿坏了大不了就删掉重新建。
（强烈强烈强烈强烈不建议直接在系统自带的python环境下进行任何折腾！！一定要搞一个隔离环境折腾！！不然以后会有很多坑在等着你！！）
在日常Research和Development过程中，使用Anaconda的最佳实践就是：为一个框架，甚至专为一个项目创建一个隔离环境。
以上是使用“正常”的服务器时的经验。但是当拿到Jetson Nano之后，我感受到的第一个打击就是：Anaconda官方不支持aarch64架构。也就是说，你从官网用正规方法是无法成功把Anaconda安装在你的Jetson Nano上的。而没有了anaconda，想要安装PyTorch等框架就更加困难了！
不过怎么能这么容易就放弃！
经过一整晚Google、GitHub、Anaconda官网、PyTorch Community的摸爬滚打，最终我还是找到了解决方案。
方案：Archiconda
其实我很好奇，为啥不少package都有aarch64的架构，但Anaconda没有。于是我在conda的issue上翻，发现其实有一个叫做“Archiconda”的项目。其目的就是将conda移植到aarch64平台上。尤其是它包括了conda这个命令工具！
而且这个项目貌似还是挺活跃的，偶有更新，应该还没死。可以直接在这里下载安装包：
Archiconda/build-tools
下载之后就和普通的anaconda一模一样。直接执行安装，会装一个基本的环境。但真正用的时候还是会conda create -p /prefix/path这样创建环境，然后source activate /prefix/path激活并使用，也就是通常所说的最佳实践。
其实看一下这个项目的介绍就会发现，当用conda install时，所安装的package只会考虑conda-forge, c4aarch64等几个特定的channel。如果这些channel都没有的话，用conda install仍然是装不上的。（但还可以用pip从源码编译安装呀）。
PyTorch 1.1.0 on Jetson !
最让人头疼的Anaconda安装问题解决了！而直接影响生产力的问题就是：如何在Jetson上安装PyTorch。
http://PyTorch.org官方推荐使用anaconda安装。然而整个Anaconda Repository上压根就没有aarch64架构的PyTorch预编译包。
但Google之后就发现，nvidia官方还是很良心的，放出了一个官方编译过的二进制包，直接pip install xxx.whl即可安装。具体的方法看官方的这个链接：
至此，我们所需要的准备工作就完成了。后面我会更新更多关于如何折腾Jetson的文章（比如如何把系统装在外置SSD中而不用忍受SD卡的速度？比如如何扩展更多的swap分区避免Jetson Nano 4G的内存爆掉等等），欢迎各位驻足交流。
