可选择在NX上创建新python环境进行安装，避免和其他工程环境发生冲突，具体虚拟环境操作步骤可见Python创建虚拟环境。
下面就开始安装pytorch的愉快之旅吧！
1. 安装相关依赖环境
# 先把能更新的都更新了
sudo apt-get update
sudo apt-get upgrade
# 装上我们需要的环境包
# 最好使用pip3，不然出错了不好排查
sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
pip3 install Cython
2. 下载pytorch
由于NX使用的是aarch64架构的cpu，直接官网安装是不行的，那么就得求助NVIDIA论坛了：Pytorch for Jetson
论坛中给出了详细的安装步骤，按部就班进行就OK了。
这里下载可能会很慢，附上我下载好的pytorch v1.7~v1.9版本资源，可自取：Nvidia Jetson系列的arm编译的torch.whl
3. 安装
当下载好pytorch的whl文件之后，直接用在下载目录用命令安装
# 这里示例是v1.8.0版本
pip3 install numpy torch-1.8.0-cp36-cp36m-linux_aarch64.whl
这里需要注意的是，默认下载的numpy是最新版本（我的是1.19.5），最新版本的numpy会出现指令不兼容的问题，所以会导致非法指令的问题：
这样我们最好将numpy的版本降级，这样就能解决这个问题
# 本人尝试了v1.19.3版本可用
pip install numpy==1.19.3
安装好了pytorch之后，就是对应的视觉库torchvision了，我们在论坛上可以找到版本匹配表：
还是再安装对应的依赖库：
sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
将github上大佬写好的torchvision库clone我们本地来
入口：torchvision
# torch1.8--torchvision0.9
git clone --branch v0.9.0 https://github.com/pytorch/vision torchvision
# 这里由于网络不稳等问题，我使用gitee进行clone
git clone --branch v0.9.0 https://gitee.com/rchen1997/torchvision torchvision
下载结束后，进入torchvision文件内进行安装：
cd torchvision
export BUILD_VERSION=0.x.0 # where 0.x.0 is the torchvision version
python3 setup.py install --user
cd ../ # attempting to load torchvision from build dir will result in import error
这里可能会出现版本匹配或者不能加载 custom C++ ops的问题：
这是因为我们需要利用build中C++编译的文件，而现在这种安装方式可能会出现路径不一致的问题，所以我们需要将build下的torchvision文件拷贝到我们安装环境的库路径中，否则会出现import error。具体操作为：
（1）找到你python环境的所在位置，进入lib/python3.6/site-packages/中；
（2）进入上面安装好的torchvision/build/lib.linux-aarch64-3.6/torchvision，确认这里面是否有我们需要的ops文件夹和version.py版本信息，然后拷贝到步骤（1）中的路径即可。
4. 验证
拷贝代码进行验证：
import torch
import torchvision
print(torch.__version__)
print('CUDA available: ' + str(torch.cuda.is_available()))
print('cuDNN version: ' + str(torch.backends.cudnn.version()))
a = torch.cuda.FloatTensor(2).zero_()
print('Tensor a = ' + str(a))
b = torch.randn(2).cuda()
print('Tensor b = ' + str(b))
c = a + b
print('Tensor c = ' + str(c))
print(torchvision.__version__)
输出结果如下就安装成功，丹炉造好了！！！
