英伟达在2017年3月发布了全新嵌入式计算平台TX2，从网上的介绍来看，TX2延续了小体积、高度集成的特性，整合了 4 核 ARM A57 CPU、Pascal 架构 GPU(16 纳米工艺)、最高 8G 内存、32G 固态存储器等组件。标准功耗为 7.5W。另外，TX2 也可以将功率提高到 15W，从而提升计算能力。
看到如此诱人的配置，笔者入手了一块TX2，见下图
TX2自带的系统为Ubuntu16.04，笔者迫不及待地开始在TX2上配置caffe，下面记录了笔者的配置过程。
配置caffe一共分为两大步骤，第一大步是进行JetPack3.0安装，这一步由笔者的同事luval完成，在此对他的贡献表示感谢。JetPack3.0中包含了cuda8.0，是caffe运行必不可少的组件，首先附上JetPack的下载链接https://developer.nvidia.com/embedded/jetpack点击打开链接，在下载时可能需要登录nvidia账户。
然后再附上JetPack的安装指南http://docs.nvidia.com/jetpack-l4t/index.html#developertools/mobile/jetpack/l4t/3.0/jetpack_l4t_install.htm点击打开链接
请大家安装的时候一定要跟随官网的安装指南，下面记录一下JetPack3.0的安装过程：
首先准备一台宿主机，luval用的是一个ubuntu14.04的虚拟机，将下载的JetPack-L4T-3.0-Linux-x64.run放到相应的文件夹下，并在文件夹下执行：
sudo ./JetPack-L4T-3.0-linux-x64.run
在进入图形界面之后，一路next到如下界面：
如果需要刷机的话，就勾选蓝框中的东西，如果不需要刷机，只需要安装JetPack组件的话，可以在下面选择，上图显示了luval的选择，然后再经过以下两步：
到了下面这一步：
此时TX2应该是开机状态，而且宿主机应该与TX2在同一个网络里，luval的做法是将TX2与宿主机分别用网线连接到同一个路由器。IP行填TX2的ip地址,user name行填TX2的登录用户名，password填TX2的对应的账户密码（TX2自带nvidia/nvidia），点next，如果IP和用户名以及密码正确，进入到安装功能包的界面，这是自动进行的，保持网络连接即可，直到完成。
在程序安装完毕后，在TX2上设置环境变量
sudo gedit /etc/bash.bashrc 在文件的末尾加入如下 export PATH=/usr/local/cuda-8.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH 然后cuda就配置完毕了，运行
nvcc -V
查看一下cuda版本
那么，我们再查看一下其他安装或者自带组件的版本
然后我们开始进行第二大步，配置caffe:
首先安装一般依赖项
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev 再安装BLAS依赖项 sudo apt-get install libatlas-base-dev 然后是python和其余依赖项,安装python及其头文件 sudo apt-get install python sudo apt-get install python-dev 安装python的其他依赖 sudo apt-get install python-numpy sudo apt-get install ipython sudo apt-get install ipython-notebook sudo apt-get install python-sklearn sudo apt-get install python-skimage sudo apt-get install python-protobuf 然后是谷歌glog和gflags和lmdb依赖项 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev 接着安装git，并且下载代码 sudo apt-get install git git clone https://github.com/BVLC/caffe.git 然后进入到源码目录 cd caffe 编译Caffe cp Makefile.config.example Makefile.config 需要使用cuDNN的朋友可以将Makefile.config中USE_CUDNN := 1这一行之前的井号注释去掉， 同时，为了匹配cuda8.0的计算能力，请把Makefile.config中CUDA_ARCH中的前两行去掉，如下图所示(保留也行，编译的时候会弹出警告) 然后 make all -j8 值得注意的是，笔者在第一次编译的时候遇到了如下问题： ./include/caffe/util/hdf5.hpp:6:18: fatal error: hdf5.h: No such file or directory 解决方法笔者参阅了http://blog.csdn.net/hongye000000/article/details/51043913点击打开链接，在链接博客中，解决方法如下： 在Makefile.config文件中，添加 /usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代码改为第二行代码。 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/ 在Makefile文件中，把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代码改为第二行代码。 LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial 上述解决方法笔者亲测有效，感谢博主，然后 make clean make all -j8 caffe编译成功。 written by jiong 兴趣是最好的老师
