支付网站招聘费分录怎么做,成都的做网站公司,网站建设的标语,wordpress uc用户中心一、基本配置
1.配置参数
密码#xff1a;yahboom
Ubuntu 20.04版本、python3.8、CUDA11.4、cuDNN8.6、TensorRT8.5、Jetpack5.1.1、Opencv4.5.4版本
终端输入命令#xff1a;sudo jtop
其中Jetpack是英伟达提供的专门供它自己的嵌入式计算机平台使用的人工智能包。
终…一、基本配置
1.配置参数
密码yahboom
Ubuntu 20.04版本、python3.8、CUDA11.4、cuDNN8.6、TensorRT8.5、Jetpack5.1.1、Opencv4.5.4版本
终端输入命令sudo jtop
其中Jetpack是英伟达提供的专门供它自己的嵌入式计算机平台使用的人工智能包。
终端输入命令sudo apt install nvidia-jetpack
2.配置CUDA和cuDNN
2.1 配置环境变量
由于镜像自带无需安装直接配置即可。
# 打开~/.bashrc
sudo vim ~/.bashrc
# 在文本末输入如下代码
export LD_LIBRARY_PATH/usr/local/cuda/lib64
export PATH/usr/local/cuda/bin:$PATH
export CUDA_HOME/usr/local/cuda
# 更新环境变量配置
source ~/.bashrcVim 编辑的使用
1、用vi打开文件后是处于「命令行模式command mode」您要切换到「插入模式Insert mode」才能够输入文字。切换方法在「命令行模式command mode」下按一下字母「i」就可以进入「插入模式Insert mode」这时候你就可以开始输入文字了。
2、编辑好后需从插入模式切换为命令行模式才能对文件进行保存切换方法按「ESC」键。
3、保存并退出文件在命令模式下输入:wq即可别忘了wq前面的:
2.2 配置cuDNN环境
# 复制cudnn文件到cuda目录下
cd /usr/include sudo cp cudnn* /usr/local/cuda/include
cd /usr/lib/aarch64-linux-gnu sudo cp libcudnn* /usr/local/cuda/lib64#修改文件权限修改复制完的头文件与库文件的权限所有用户都可读可写可执行
sudo chmod 777 /usr/local/cuda/include/cudnn.h
sudo chmod 777 /usr/local/cuda/lib64/libcudnn*#重新软链接这里的8.6.0和8对应安装的cudnn版本号和首数字
cd /usr/local/cuda/lib64sudo ln -sf libcudnn.so.8.6.0 libcudnn.so.8sudo ln -sf libcudnn_ops_train.so.8.6.0 libcudnn_ops_train.so.8
sudo ln -sf libcudnn_ops_infer.so.8.6.0 libcudnn_ops_infer.so.8sudo ln -sf libcudnn_adv_train.so.8.6.0 libcudnn_adv_train.so.8
sudo ln -sf libcudnn_adv_infer.so.8.6.0 libcudnn_adv_infer.so.8sudo ln -sf libcudnn_cnn_train.so.8.6.0 libcudnn_cnn_train.so.8
sudo ln -sf libcudnn_cnn_infer.so.8.6.0 libcudnn_cnn_infer.so.8# 更新共享库缓存
sudo ldconfig查看cuDNNdpkg -l libcudnn8
从以上图中可以看出自带TensorRT。
3.配置深度学习环境
3.1 安装 Anaconda
官网下载地址选择aarch64版本无法访问时可以选择清华镜像源下载
da3-2023.07-2-Linux-aarch64 版本
cd /home/nx/Downloads/
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.07-2-Linux-aarch64.sh
chmod x Anaconda3-2023.07-2-Linux-aarch64.sh
./Anaconda3-2023.07-2-Linux-aarch64.sh # 出现一大段licence时直接按空格跳到最后不用一直enter3.2 conda 换源
添加环境变量
export PATH$PATH:~/anaconda3/bin# 此处必须替换为自己安装路径若不同需换成自己的安装路径
source ~/.bashrcconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes3.3 创建环境
# 建议创建python3.8的环境ubuntu20.04本身自带python3.8,各种库比较容易找jetson官网公布的torch也是3.8版本的
conda create -n pytorch python3.8
source activate pytorch
conda env remove --name pytorch
conda remove -n pytorch --all
conda activate pytorch3.4设置默认启动环境
# 非自动启动base环境
conda config --set auto_activate_base false# 指定默认启动环境
vim ~/.bashrc
conda activate pytorch # 在.bashrc文件末尾添加
source ~/.bashrc二、安装Pytorch和Torchvision
1.1 Pytorch安装
安装依赖
sudo apt-get install libhdf5-serial-dev hdf5-tools libhdf5-dev zlib1g-dev zip libjpeg8-dev
sudo apt-get install liblapack-dev libblas-dev gfortransudo apt-get install libopenblas-base libopenmpi-dev
sudo pip3 install mpi4py
sudo pip3 install Cython下载地址 下载python3.8 对应的pytorch2.0的whl文件 到home目录下
cd ~/Downloadspip install torch-2.0.0nv23.05-cp38-cp38-linux_aarch64.whl1.2 安装torchvisiion
torchvision暂未发布直接能pip安装的whl版本因此直接从源码编译。
下载torchvisiion
确定torch2.0.0对应的torchvisiion版本为0.15.x。torch与torchvision版本对应因此选择v0.16.2版本的torchvisiion从github clone到本地
git clone --branch v0.15.1 https://github.com/pytorch/vision torchvision
export BUILD_VERSION0.15.1 # 将BUILD_VERSION环境变量设置为值 0.15.2 ,要用vim编译
cd torchvision
python3 setup.py install --user# 编译时间比较长报错import torchvision时报错TypeError: ‘ABCMeta’ object is not subscriptable。
pip install ‘pillow7’
pip install urllib31.26.16
1.3 验证
查看pytorch运行时真正调用的cuda、cudnn、tensorrt版本
import torch
import torchvision
import tensorrt as trttorch.cuda.is_available() # 检查cuda是否可用
torch.version.cuda # 查看Pytorch运行时使用的cuda版本
torch.backends.cudnn.enabled # 查看cudnn是否可用
torch.backends.cudnn.version() # 查看cudnn版本
print(torchvision.__version__)
print(torch.__version__)#注意查看两者是否版本兼容
print(trt.__version__)
# /usr/local/cudapip3 show tensorrt # 查看tensorrt版本1.4 安装Vscode
下载vscode1.85.2
https://update.code.visualstudio.com/1.85.2/linux-deb-arm64/stable
在文件所在位置打开终端
sudo dpkg -i code_1.85.2-1705560689_arm64.deb
