Nvidia Jetson Nano 使用Anaconda配置深度学习环境
Nvidia Jetson Nano 基于aarch64架构开发，适用于普通电脑的torch、opencv、torchvision等依赖项需要重新编译才能在Jetson Nano上安装使用，但目前Nvidia、opencv等官方已经提供了对应aarch64架构的安装包，其他依赖性也基本存在对应的版本，一般在conda环境直接pip/codna install即可。特别注意的是在安装torch、torchvision时一定要确保是aarch64版本的（目前仅有支持pyhton3.6的torch）。
1、安装ubuntu18.04系统
（1）下载镜像，英伟达官方地址：https://developer.nvidia.com/embedded/downloads
（2）使用官方提供的工具 balenaEtcher-Setup-1.5.29-x64写入镜像，大概30分钟。操作步骤如下：
（3）烧写完成，将SD卡插入Jetson nano,开机
（4）完成一些设置（时区、语言），进入linux系统
2、检查已安装的系统组件
（1）系统已经自带cuda10.2，cudnn，opencv，如不满足需要请更换。
（2）cuda路径写入环境变量：sudo vim ~/.bashrc 进入配置文件。
（3）在最后面添加：
export PATH=/usr/local/cuda/bin:LD_LIBRARY_PATH。
（4）执行source ~/.bashrc 后生效
（5）执行nvcc -V检查cuda版本信息，确认安装无误。
3、安装Archiconda
Anaconda不支持aarch64架构，因此Jetson Nano开发板无法成功安装Anaconda。Archiconda是用于64位ARM平台的Conda发行版，下载地址：https://github.com/Archiconda/build-tools/releases ，和anaconda实现的功能一样，使用方法接近相同，参数有微小差别。
安装conda之后如果找不见，需要添加环境变量，方法如下：
执行 source ~/.bashrc生效
4、创建虚拟环境
创建的虚拟环境名称会自动加上路径，默认的环境路径在/home/用户名/，例如/home/data/yolov5。
（1）创建命令：conda create -p yolov5 python=3.6
（2）激活命令conda activate /home/data/yolov5
（3）删除命令conda remove -p /home/data/yolov5 --all
5、进入虚拟环境，安装pytorch、opencv、torchvision
5.1、Pytorch下载地址（最不容易出意外的方法）：
（1）参考这篇博客：。安装下图的这些依赖项
（2）安装官方提供的torch，版本为1.6.0（上述博客提供网盘下载地址）
（3）pip install +torch包的名字即可安装5.2、torchvision安装0.7
执行上述四步即可安装
5.3、执行 pip install opencv-python,安装opencv（有点慢）。
