本文介绍在jetson Xavier上如何从一个tensorflow的网络搭建到部署的完整过程。

• 环境准备
  jetson Xavier jetpack4.2 （已安装tensorrt）
  tensorflow安装，请点击
• demo位置

/usr/src/tensorrt/samples/python/end_to_end_tensorflow_mnist

具体步骤

1. 打开demo文件位置，有四个文件
   model.py tensorflow框架下lenet的网络模型
   README.md 操作步骤介绍，按照这个直接跑会出问题，按照我下边修改之后的运行
   requirements.txt 需要的python插件，里边包括numpy pycuda tensorflow 等4个插件
   sample.py 加载保存后的模型进行部署的程序

2. 修改requirements.txt
   这里的修改是把pycuda和tensorflow两个插件删掉，这两个需要单独安装。

3. 安装没问题的包

   sudo python3 -m pip install -r requirements.txt
   这里会安装numpy 和其他一个库，忘了名字了。

4. 安装pycuda
   这一步把我坑坏了，安装了一天都没成功，Google了各种论坛，最后找到原因是cuda的环境变量配置的问题。直接上最后的安装方案

   sudo gedit ~/.bashrc
   export PATH=/usr/local/cuda-10.0/bin:$PATH
   source ~/.bashrc
   export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64
   pip3 install pycuda --user （一定要这么安装，不然失败）

5. 训练模型
   先建一个文件夹

   sudo mkdir models
   sudo python3 model.py
   经过一阵的训练会得到.pb的文件在刚刚新建的models文件夹下

6. 转换.pb文件为uff文件
   这里有个深坑，官方压根没告诉你转换脚本在哪，我也是找了半天，最后发现是在python下的一个目录里，直接上命令

   sudo python3 /usr/lib/python3.6/dist-packages/uff/bin/convert_to_uff.py models/lenet5.pb
   这一步要在demo的目录下执行，成功的话回在models子目录下得到.uff的模型文件，这个文件就是tensorrt用来做部署的文件了。

7. 进行推理

   sudo python3 sample.py

成功后会显示输入数字和预测的结果数字。