建设一个网站需要几个角色,做网站是,苏州保洁公司哪家最好,外卖网站建设的策划方案大家好#xff0c;我是虎哥#xff0c;Jeston Orin nano 8G模块#xff0c;提供高达 40 TOPS 的 AI 算力#xff0c;安装好了Jetpack5.1之后#xff0c;我们需要配置一些支持环境#xff0c;来为我们后续的深度学习开发提供支持。本章内容#xff0c;我将主要围绕安装对… 大家好我是虎哥Jeston Orin nano 8G模块提供高达 40 TOPS 的 AI 算力安装好了Jetpack5.1之后我们需要配置一些支持环境来为我们后续的深度学习开发提供支持。本章内容我将主要围绕安装对应版本pytorch跟torchvision展开。 安装好了Jetpack5.1之后我才发现英伟达官方还没有正式发布适配的pytorch版本跟torchvision版本但是我在官方的论坛里面发现了这个Installing PyTorch for Jetson Platform - NVIDIA Docs 通过PyTorch for Jetson - Jetson Nano - NVIDIA Developer Forums介绍我们找到了对应的版本。
0、针对自己的系统选择对应版本
参考入口PyTorch for Jetson - Jetson Nano - NVIDIA Developer Forums 所以我们选择
Python 3.8 - torch-2.0.0nv23.05-cp38-cp38-linux_aarch64.whl 296
PyTorch v2.0.0 - torchvision v0.15.1
1、JetPack 5.1.1
JetPack 5.1.1是一个生产质量版本支持Jetson Orin Nano开发套件、Jetson AGX Orin 64GB、Jetson OrinNX 8GB、Jetson Orin Nano 8GB和Jetson Orin-Nano 4GB模块。它包括带有Linux内核5.10的Jetson Linux 35.3.1 BSP、基于Ubuntu 20.04的根文件系统、基于UEFI的引导加载程序和作为可信执行环境的OP-TEE。JetPack 5.1.1包CUDA 11.4、TensorRT 8.5.2、cuDNN 8.6.0和VPI 2.2以及其他更新。 VPI (Vision Programing Interface) 是一个软件库提供在Jetson上的多个硬件加速器上实现的计算机视觉/图像处理算法如PVA可编程视觉加速器、GPU、NVDECNVIDIA解码器、NVENCNVID IA编码器、VIC视频图像合成器等。 NVIDIA Isaac™ ROS 是一组硬件加速包使ROS开发人员更容易在NVIDIA硬件包括NVIDIA Jetson上构建高性能解决方案。 Isaac ROS DP3版本支持JetPack 5.1.1
如何在Jeston Orin Nnao 刷对应JetPack 5.1.1的系统请参考我之前的文章。【Jeston Orin】Orin nano 8G模块使用官方系统包生成标准烧写系统测试_机器人虎哥的博客-CSDN博客
2、PyTorch on Jetson Platform
PyTorch用于JetPack是一个用于深度学习的优化张量库用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发不仅能够 实现强大的GPU加速同时还支持动态神经网络这一点是现在很多主流框架如TensorFlow都不支持的。 PyTorch提供了两个高级功能 具有强大的GPU加速的张量计算(如Numpy) 包含自动求导系统的深度神经网络
3、安装环境确认说明
Jetpack默认已安装opencv、cuda、cudnn故只需再安装pytorch即可留意jetson是arm架构需要下载对应的安装文件加以安装
1、确认系统版本
nvidianvidia-desktop:~$ sudo lsb_release -a
No LSB modules are available.
Distributor ID: Ubuntu
Description: Ubuntu 20.04.5 LTS
Release: 20.04
Codename: focal
2、确认L4T版本版本
nvidianvidia-desktop:~$ head -n 1 /etc/nv_tegra_release
# R35 (release), REVISION: 3.1, GCID: 32827747, BOARD: t186ref, EABI: aarch64, DATE: Sun Mar 19 15:19:21 UTC 2023
说明使用的是R35.3.1系统。
3、确认Jetson版本
jetson_release -v
nvidianvidia-desktop:~$ jetson_release -v
Software part of jetson-stats 4.2.1 - (c) 2023, Raffaello Bonghi
Model: NVIDIA Orin Nano Developer Kit - Jetpack 5.1.1 [L4T 35.3.1]
NV Power Mode[0]: 15W
Serial Number: [XXX Show with: jetson_release -s XXX]
Hardware:- 699-level Part Number: 699-13767-0003-300 L.3- P-Number: p3767-0003- Module: NVIDIA Jetson Orin Nano (8GB ram)- SoC: tegra23x- CUDA Arch BIN: 8.7- Codename: P3768
Platform:- Machine: aarch64- System: Linux- Distribution: Ubuntu 20.04 focal- Release: 5.10.104-tegra- Python: 3.8.10
jtop:- Version: 4.2.1- Service: Active
Libraries:- CUDA: 11.4.315- cuDNN: 8.6.0.166- TensorRT: 8.5.2.2- VPI: 2.2.7- Vulkan: 1.3.204- OpenCV: 4.5.4 - with CUDA: NO
4、PYthon 版本
nvidianvidia-desktop:~$ python --version
Python 2.7.18
nvidianvidia-desktop:~$ python3 --version
Python 3.8.10
4、PyTorch安装步骤
4.1 安装系统支持包
sudo apt-get -y update;
sudo apt-get -y install autoconf bc build-essential g-8 gcc-8 clang-8 lld-8 gettext-base gfortran-8 iputils-ping libbz2-dev libc-dev libcgal-dev libffi-dev libfreetype6-dev libhdf5-dev libjpeg-dev liblzma-dev libncurses5-dev libncursesw5-dev libpng-dev libreadline-dev libssl-dev libsqlite3-dev libxml2-dev libxslt-dev locales moreutils openssl python-openssl rsync scons python3-pip libopenblas-dev;
国内安装经常会有网络无法连接发生各种错误没事多执行几次命令行肯定可以安装成功的我的个人经验。
4.2 配置环境变量
#注意我们安装的JetPack 5.1.1所以找对版本对应
export TORCH_INSTALLhttps://developer.download.nvidia.cn/compute/redist/jp/v511/pytorch/torch-2.0.0nv23.05-cp38-cp38-linux_aarch64.whl
#JP_VERSION
#The major and minor version of JetPack you are using, such as 461 for JetPack 4.6.1 or 50 for JetPack 5.0.
4.3 在线安装
python3 -m pip install --upgrade pip; python3 -m pip install aiohttp numpy1.19.4 scipy1.5.3 export LD_LIBRARY_PATH/usr/lib/llvm-8/lib:$LD_LIBRARY_PATH; python3 -m pip install --upgrade protobuf; python3 -m pip install --no-cache $TORCH_INSTALL 类似的报错可以不用理会 4.4 验证安装是否成功
要验证PyTorch是否已成功安装在Jetson平台上您需要启动Python提示并导入PyTorch。
$ export LD_LIBRARY_PATH/usr/lib/llvm-8/lib:$LD_LIBRARY_PATH
$ python3
之后在python3的环境输入 import torchprint(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 bprint(Tensor c str(c))
如果PyTorch安装正确则执行此命令时应不会出现错误。 4.5 卸载如果有需要
PyTorch可以使用pip3卸载命令轻松卸载如下所示
$ sudo pip3 uninstall -y torch
5、torchvision 0.15.1安装
5.1 安装
安装好pytorch之后使用下面的命令行从源码安装torchvision 0.15.1版本先安装依赖然后下载安装包最后从源码编译安装大概十分钟左右就好相关命令行如下
sudo apt install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-devpip3 install --upgrade pillowwget https://github.com/pytorch/vision/archive/refs/tags/v0.15.1.zipcd vision-0.15.1export BUILD_VERSION0.15.1python3 setup.py install --user
官方指导步骤
$ sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libopenblas-dev libavcodec-dev libavformat-dev libswscale-dev
$ git clone --branch version https://github.com/pytorch/vision torchvision # see below for version of torchvision to download
$ cd torchvision
$ export BUILD_VERSION0.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
$ pip install pillow7 # always needed for Python 2.7, not needed torchvision v0.5.0 with Python 3.6 我自己操作的步骤 $ sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libopenblas-dev libavcodec-dev libavformat-dev libswscale-dev
#这个官方教程没写
$ pip3 install setuptools
#$ sudo pip3 install --upgrade pillowwget https://github.com/pytorch/vision/archive/refs/tags/v0.15.1.zip
#$ git clone --branch v0.15.1 https://github.com/pytorch/vision torchvision
#克隆源代码
git clone --branch v0.15.1 https://github.com/pytorch/vision torchvision
cd torchvision/
git checkout -b v0.15.1
#查看当前分支
git branch -a
#如果一直无法拉过来可以选择使用迅雷下载包后拷贝到开发套件中
$ unzip v0.15.1.zip
$ cd vision-0.15.1
$ export BUILD_VERSION0.15.1
$ python3 setup.py install --user
同样不行就执行几次肯定会成功安装的我安装与运行的截图如下 开始编译 编译安装完毕。 5.2 验证安装
如果torchvision安装正确则执行此命令时应不会出现错误。 import torchvisionprint(torchvision.__version__) 6、python TensorRT支持
都安装好了用pip3 list查一下
pip3 list 发现如下信息说明全部环境配置完毕
tensorrt 8.5.2.2
torch 2.0.0nv23.5
torchvision 0.15.1
tensorrt 如果没有记得用SDK manager 刷一下官方的cuda等支持库就有了
7、总结
Jeston Orin Nnao -JetPack5.1.1环境下安装很还算顺利按照以上步骤中间可能会有几次反复但是最终都可以完整的配置好环境。
以上就是我今天要分享的内容。纠错,疑问,交流: 911946883qq.com
