Ubuntu搭建深度学习环境 Python-Cmake-Eigen-Libtorch-Torchvision-PCL-VTK-OpenCV

已于 2024-05-22 23:35:09 修改
阅读量1.5k 收藏 20
点赞数 28
分类专栏： 人工智能 文章标签： ubuntu opencv
于 2024-03-27 17:48:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Seciss/article/details/137050357
版权

Ubuntu搭建深度学习环境 Python-Cmake-Eigen-Libtorch-Torchvision-PCL-VTK-OpenCV

仅供本人记录查阅使用

安装Python

Python 下载地址
在这里插入图片描述
解压Python-3.8.19.tgz

sudo apt update
# 安装所需的依赖项，以便在 Ubuntu 中构建 Python
sudo apt install build-essential zlib1g-dev libncurses5-dev libgdbm-dev libnss3-dev libssl-dev libreadline-dev libffi-dev wget
 #进入python文件夹
cd Python-3.8.19  
#解压
sudo tar -xzvf Python-3.8.19.tgz  
#指定python安装位置
./configure --enable-optimizations  prefix=/usr/local/python3.8.19   
#编译
make -j8
#安装
sudo make install

添加到环境变量中

export PATH="/usr/local/python3.8.19/bin:$PATH"
  1. 方式一 python解释器添加到环境变量中

将/usr/local/python3.8.19/bin中的python复制到 /usr/local/bin 下

sudo cp /usr/local/python3.8.19/bin/python /usr/local/bin/python

注意：
1、因为系统默认就将/usr/local/bin 目录放到系统环境中了，所有执行python命令，是能找到的。
2、但是，并不是把/usr/local/bin放到最前面的，所以可能会被其他配置的目录先拦截到

  1. 方式二
PATH=/usr/local/python3.8.19/bin:$PATH 
#添加后，就重启虚拟机或服务器

注意：
1、这里是将/usr/local/python3.8.19/bin 目录添加到系统环境了，
2、因为修改的是配置文件，需要重启服务器或虚拟机的

# 检查Python版本
python3 --version

安装Cmake

Cmake下载地址

解压

tar -xvzf cmake-3.28.0-linux-x86_64.tar.gz

进入目录会看到只有 bin doc man share三个文件夹，没有 bootstrap文件，因为新版本的好像是已经编译好的，所以只要加入path里面就可以在命令行直接使用命令了

#打开个人path配置
gedit sudo tar -xvzf cmake-3.29.0-linux-x86_64.tar.gzsudo tar -xvzf cmake-3.29.0-linux-x86_64.tar.gz
#在末尾添加如下的内容
export PATH=/home/ubuntu/cmake-3.28.0-linux-x86_64/bin:$PATH
#接着在终端source一下.bashrc文件让path立即生效
source ~/.bashrc
#安装完毕测试版本
cmake --version
#打开gui界面：
cmake-gui

使用方法

新建CMakeLists.txt

cmake_minimum_required(VERSION 3.18.0)

project(demo_name)

set(CMAKE_CXX_STANDARD 14)
set(CMAKE_CXX_STANDARD_REQUIRED ON)
set(CMAKE_CXX_FLAGS "-pthread")

# skip 3rd-party lib dependencies
set(CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} -Wl,--allow-shlib-undefined")

# install target and libraries
set(CMAKE_INSTALL_PREFIX ${CMAKE_SOURCE_DIR}/install/rknn_yolov5_demo_${CMAKE_SYSTEM_NAME})

set(CMAKE_SKIP_INSTALL_RPATH FALSE)
set(CMAKE_BUILD_WITH_INSTALL_RPATH TRUE)
set(CMAKE_INSTALL_RPATH "${CMAKE_INSTALL_PREFIX}/lib")

这段CMakeLists.txt文件包含以下关键部分的解释：
cmake_minimum_required(VERSION 3.18.0):
定义了项目至少需要CMake 3.18.0版本才能正确构建。这意味着你的CMake版本不应低于3.18.0。
project(demo_name):
创建了一个名为demo_name的CMake项目，这个名称将用于生成的目标和输出文件。
set(CMAKE_CXX_STANDARD 14):
设置C++标准为C++14，要求编译器支持C++14标准。
set(CMAKE_CXX_STANDARD_REQUIRED ON):
强制要求编译器必须支持C++14标准，不能降级到更低的标准。
set(CMAKE_CXX_FLAGS "-pthread"):
添加-pthread标志给C++编译器，启用多线程支持。
set(CMAKE_EXE_LINKER_FLAGS "${CMAKE_EXE_LINKER_FLAGS} -Wl,--allow-shlib-undefined"):
添加链接器标志-Wl,--allow-shlib-undefined，允许链接时有未定义的共享库符号，这通常用于开发阶段，因为某些库可能还没有完全构建。
set(CMAKE_INSTALL_PREFIX ${CMAKE_SOURCE_DIR}/install/rknn_yolov5_demo_${CMAKE_SYSTEM_NAME}):
设置安装前缀为源代码目录下的install子目录，后面加上平台名称（例如，Linux、Windows等），这样构建的可执行文件和库将会被安装到这个自定义的位置。
set(CMAKE_SKIP_INSTALL_RPATH FALSE):
不跳过安装时的运行时库路径设置，这意味着CMake将在安装时包含RPATH信息。
set(CMAKE_BUILD_WITH_INSTALL_RPATH TRUE):
在构建期间，使用安装时的RPATH，这样构建的可执行文件将包含指向安装位置的库的路径。
set(CMAKE_INSTALL_RPATH "${CMAKE_INSTALL_PREFIX}/lib"):
设置RPATH为${CMAKE_INSTALL_PREFIX}/lib，这样可执行文件会在运行时查找该路径下的库。
总结来说，这段CMakeLists.txt配置了项目的基本构建信息，包括CMake版本要求、C++标准、编译和链接标志，以及安装时的路径和库搜索路径。这将指导CMake如何构建、链接和安装demo_name项目及其依赖。

安装 Eigen

Eigen是一个用于线性运算的C++ 模板库，支持 矩阵和矢量运算，数值分析及其相关的算法。

  1. 直接在apt软件包中安装
# 查看apt包中eigen的版本
apt show libeigen3-dev

sudo apt install libeigen3-dev

这种安装方式有一个缺点，因为apt包更新比较慢，安装的版本可能不是最新版，那么之后的一些依赖于eigen的库可能没有办法使用(如Sophus库要求必须选用3.3以上版本的eigen包)

  1. 手动编译安装
    在官网Eigen中下载最新版安装包源码，或者可以直接使用wget命令进行下载。之后提取压缩包，进入提取出来的文件夹，在终端中打开，然后进行编译。

建议GitLab
GitHub

mkdir build
cd build
cmake ..
sudo make install

最后检查是否安装成功，可以直接在编辑器中输入

#include
编译通过即安装成功。

安装libtorch

libtorch 是 PyTorch 的 C++ 前端库，用于在 C++ 环境中使用 PyTorch 的功能。 libtorch 提供了 C++ 接口，使开发人员可以在不同的 C++ 应用程序中集成 PyTorch 的功能，包括张量操作、神经网络构建、模型训练和推理等。通过 libtorch ，用户可以在 C++ 项目中利用 PyTorch 的强大功能，而无需依赖 Python 环境。

libtorch找适合版本下载
解压直接使用

安装torchvision

编译安装torchvision—C++API

需从GITHUB下载vision后编译生成
注意一点的是，所安装的torchvision必须要与你的LibTorch版本对应，在GitHub主页的tags中下载相应版本的torchvision
PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系
在这里插入图片描述

编译步骤
第一步：下载源代码并解压 vision-0.15.1.tar.gz
第三步：在源代码的文件夹下开始编译

mkdir build && cd build       # 创建一个build文件夹并进入
mkdir torchvision             #创建一个torchvision文件夹并进入
cmake -DCMAKE_INSTALL_PREFIX=~/vision-v0.15.1/build/torchvision ..

说明：因为我要安装的是CPU版本的，想要装GPU版本的话还要在命令行紧跟在后面中加入 -DWITH_CUDA=ON 参数

如出现以下错误：

CMake Error at CMakeLists.txt:24 (find_package): By not providing
“FindTorch.cmake” in CMAKE_MODULE_PATH this project has asked CMake
to find a package configuration file provided by “Torch”, but CMake
did not find one.

Could not find a package configuration file provided by “Torch” with
any of the following names:

TorchConfig.cmake
torch-config.cmake

Add the installation prefix of “Torch” to CMAKE_PREFIX_PATH or set
“Torch_DIR” to a directory containing one of the above files. If
“Torch” provides a separate development package or SDK, be sure it
has been installed.

解决方案
添加Torch环境
export Torch_DIR as env variable before cmake

export Torch_DIR=/home/ubuntu/pytorch/libtorch/share/cmake/Torch 
##继续
cmake -DCMAKE_INSTALL_PREFIX=~/vision-v0.15.1/build/torchvision ..
sudo make -j8
sudo make install # 安装
make clean  # 删除编译产生的临时文件

安装PCL

GITHUB下载PCL
Point Cloud Library介绍
网站文档
PCL 中一些常用工具的快速参考
学习网站

安装PCL的依赖项

第一步：安装PCL的依赖项

# 必要依赖
sudo apt update
sudo apt install build-essential linux-libc-dev
sudo apt install mpi-default-dev openmpi-bin openmpi-common
sudo apt install libboost-all-dev libflann-dev libqhull-dev libeigen3-dev libusb-1.0-0-dev libudev-dev libxmu-dev libxi-dev libxmuu-dev libusb-dev

# 其他依赖
sudo apt install freeglut3-dev pkg-config
sudo apt install libxi-dev mono-complete libopenni-dev libopenni2-dev libqhull* libgtest-dev

# x11
sudo apt install libx11-dev libxext-dev libxtst-dev libxrender-dev 

# openGL
sudo apt install libgl1-mesa-dev libglu1-mesa-dev

# cmake
sudo apt install cmake  

# git
sudo apt install git

PCL多版本共存问题

#查看版本
gedit /usr/lib/x86_64-linux-gnu/cmake/pcl/PCLConfigVersion.cmake

编译另一个版本PCL注意：编译安装地址不是默认的/usr/local，而是自行指定的文件夹这样不会产生任何冲突
使用时，在工程的CMakeLists.txt中需要指定使用哪个版本的PCL(最好选择默认路径)
如下方式：
解决：修改CMakeLists.txt

编译PCL库

下载源代码并解压 pcl-pcl-1.14.0.tar.gz

tar -xzvf pcl-pcl-1.14.0.tar.gz

mkdir build && cd build       # 创建一个build文件夹并进入
mkdir installed               #创建一个installed文件夹

cmake \
-D CMAKE_BUILD_TYPE=Release \
-D BUILD_GPU=ON \
-D BUILD_apps=ON \
-D BUILD_examples=ON \
-D CMAKE_INSTALL_PREFIX=~/pcl-pcl-1.14.0/build/installed ..
sudo make -j8
sudo make install # 安装
make clean  # 删除编译产生的临时文件

程序验证

创建pcl_test文件夹 和 pcl.cpp

创建pcl_test文件夹 和 pcl.cpp
mkdir pcl_test && cd pcl_test
gedit pcl.cpp

#include <iostream>
#include <pcl/common/common_headers.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/console/parse.h>
using namespace std;
 
int main(int argc, char **argv) {//柱型点云测试
  cout << "Test PCL !" << endl;
  pcl::PointCloud<pcl::PointXYZRGB>::Ptr point_cloud_ptr (new pcl::PointCloud<pcl::PointXYZRGB>);
  uint8_t r(255), g(15), b(15);
  for (float z(-1.0); z <= 1.0; z += 0.05) {//制作柱型点云集
  	for (float angle(0.0); angle <= 360.0; angle += 5.0) {
      pcl::PointXYZRGB point;
      point.x = cos (pcl::deg2rad(angle));
      point.y = sin (pcl::deg2rad(angle));
      point.z = z;
      uint32_t rgb = (static_cast<uint32_t>(r) << 16 | static_cast<uint32_t>(g) << 8 | static_cast<uint32_t>(b));
      point.rgb = *reinterpret_cast<float*>(&rgb);
      point_cloud_ptr->points.push_back (point);
    }
    if (z < 0.0) {//颜色渐变
      r -= 12;
      g += 12;
    }
    else {
      g -= 12;
      b += 12;
    }
  }
  
  point_cloud_ptr->width = (int) point_cloud_ptr->points.size ();
  point_cloud_ptr->height = 1;
 
  pcl::visualization::CloudViewer viewer ("pcl—test测试");

  viewer.showCloud(point_cloud_ptr); 
  while (!viewer.wasStopped()){ };
  return 0;
}
创建CMakeLists.txt
gedit CMakeLists.txt

cmake_minimum_required(VERSION 2.6)
project(pcl_test)
#解释
#1）如果是需要某一个PCL的某一个组件： find_package(PCL 1.12 REQUIRED COMPONENTS io)
#2）如果是几个组件：find_package(PCL 1.12 REQUIRED COMPONENTS io common)
#3）如果需要整个安装包：find_package(PCL 1.12 REQUIRED)
set(PCL_DIR "/home/ubuntu/pcl-pcl-1.12.0/build")
find_package(PCL 1.12.0 REQUIRED)

include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})
 
#接下来这需要从pcl.cpp文件生成一个名为pcl的可执行文件。
add_executable(pcl pcl.cpp)
#在生成对应的exe文件之后，需要调用PCL相关函数，因此需要添加相应链接库：
target_link_libraries (pcl ${PCL_LIBRARIES})
install(TARGETS pcl RUNTIME DESTINATION bin)

当PCL安装包找到之后，就需要添加对应的包含目录和依赖库了。我们需要设置几个相关的变量：

PCL_FOUND: set to 1 if PCL is found, otherwise unset
PCL_INCLUDE_DIRS: set to the paths to PCL installed headers and the dependency headers
PCL_LIBRARIES: set to the file names of the built and installed PCL libraries
PCL_LIBRARY_DIRS: set to the paths to where PCL libraries and 3rd party dependencies reside
PCL_VERSION: the version of the found PCL
PCL_COMPONENTS: lists all available components
PCL_DEFINITIONS: lists the needed preprocessor definitions and compiler flags

编译

cmake .
make

运行

./pcl

在这里插入图片描述

安装VTK

下载VTK
OpenCV编译的时候需要指定VTK的版本，因此首先需要编译VTK

编译VTK库
编译另一个版本VTK注意：编译安装地址不是默认的/usr/local，而是自行指定的文件夹这样不会产生任何冲突
使用时，在工程的CMakeLists.txt中需要指定使用哪个版本的VTK (最好选择默认路径)
如下方式：
解决：修改CMakeLists.txt

编译步骤：
第一步：下载源代码并解压 VTK-9.3.0.tar.gz

tar -xzvf VTK-9.3.0.tar.gz

第二步：在源代码的文件夹 VTK-9.3.0下开始编译

cd VTK-9.3.0
mkdir build && cd build
# mkdir installed
# 配置 VTK 的构建选项，将 VTK 构建为共享库，启用渲染和独立应用程序支持，但禁用 Qt 和 Tk 支持，可根据需要调整选项
# BUILD_SHARED_LIBS = ON   
# BUILD_TESTING = ON    # 默认OFF，如果打开的话，编译时会由于下载测试数据所用url过旧而报错，建议OFF
# CMAKE_BUILD_TYPE = Release    # 默认Debug运行会较慢
# CMAKE_INSTALL_PREFIX = /usr/local    # 这里用默认就行，或者改到想要安装的位置
# 以下为高级设置，需先在命令行按't'才可见
# VTK_FORBID_DOWNLOADS = ON    # 默认OFF，建议打开，否则编译会报错，理由同BUILD_TESTING
# 此时应已经出现'g' generating 的按键选项，按 'g' 即完成配置.
cmake \
-D BUILD_SHARED_LIBS=ON \
-D BUILD_TESTING=OFF \
-D CMAKE_BUILD_TYPE=Release ..
#cmake -DCMAKE_INSTALL_PREFIX=~/VTK-9.3.0/build/installed ..
sudo make -j8
sudo make install

第三步：把编译出来的installed文件夹移出到主目录使用（自行安排）

安装OpenCV

OpenCV包
编译另一个版本注意：编译安装地址不是默认的/usr/local，而是自行指定的文件夹，这样不会产生任何冲突 (最好选择默认路径)

安装opencv依赖的库

sudo apt-get install build-essential libgtk2.0-dev libgtk-3-dev libavcodec-dev libavformat-dev libjpeg-dev libswscale-dev libtiff5-dev

安装一些可选的库

# python3支持（首次安装了python的库，但make报错了，之后删了这两个库，若不使用python，建议不安装）
sudo apt install python3-dev python3-numpy
# streamer支持
sudo apt install libgstreamer-plugins-base1.0-dev libgstreamer1.0-dev
# 可选的依赖
sudo apt install libpng-dev libopenexr-dev libtiff-dev libwebp-dev

编译OpenCV库

下载源代码并解压 opencv-4.9.0.tar.gz

tar -xzvf opencv-4.9.0.tar.gz

在源代码的文件夹 opencv-4.9.0下开始编译

mkdir build && cd build       # 创建一个build文件夹并进入
# mkdir installed

使用cmake配置opencv：

cmake \
-D WITH_TBB=ON \
-D WITH_EIGEN=ON \
-D OPENCV_GENERATE_PKGCONFIG=ON  \
-D BUILD_DOCS=ON \
-D BUILD_TESTS=OFF \
-D BUILD_PERF_TESTS=OFF \
-D BUILD_EXAMPLES=OFF \
-D WITH_OPENCL=OFF \
-D WITH_CUDA=OFF \
-D BUILD_opencv_gpu=OFF \
-D BUILD_opencv_gpuarithm=OFF \
-D BUILD_opencv_gpubgsegm=O \
-D CMAKE_BUILD_TYPE=RELEASE \
-D OPENCV_GENERATE_PKGCONFIG=YES \
-D CMAKE_INSTALL_PREFIX=/usr/local ..

#-D CMAKE_INSTALL_PREFIX=/home/ubuntu20/opencv-4.9.0/build/installed ..
# 安装vtk需要加入
#-D WITH_VTK=ON \
#-D VTK_DIR= /usr/local/lib/cmake/vtk-9.3 \

# 编译选项解释：
# DCMAKE_BUILD_TYPE=Release 发布模式，优化程度最高，性能最佳，但是编译比 Debug 慢
# DCMAKE_INSTALL_PREFIX     编译后安装的地址，可自行修改
# 其他值得注意的编译选项：
# DBUILD_CUDA               编译CUDA功能，需要NVIDIA显卡和驱动支持
# DBUILD_GPU                编译GPU功能
# VTK_DIR                VTK的安装目录，如果是自行安装的VTK需要定位到“VTK安装目录/usr/local/lib/cmake/vtk-9.3”
sudo make -j8
sudo make install # 安装
make clean  # 删除编译产生的临时文件

编译版本环境配置（默认环境不需要此步骤）：

#打开~/.bashrc
gedit ~/.bashrc
#在文件末尾增加以下内容
export PKG_CONFIG_PATH=/home/wlj/opencv-4.9.0/build/installed/lib/pkgconfig
export LD_LIBRARY_PATH=/home/wlj/opencv-4.9.0/build/installed/lib
#更新~/.bashrc
source ~/.bashrc 

#查询版本
pkg-config
pkg-config --modversion opencv4

程序验证

创建opencv_test文件夹 和 cv.cpp
mkdir opencv_test && cd opencv_test
gedit cv.cpp
添加一张图片image.jpg

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;

int main(int argc, char* argv[]) {
    const char* imagename = "image.jpg";//此处为的图片路径
    //从文件中读入图像
    cv::Mat img = cv::imread(imagename, 1);
    //如果读入图像失败
    if (img.empty()) {
        fprintf(stderr, "Can not load image %s\n", imagename);
        return -1;
    }
    cv::imshow("image", img); //显示图像
    cv::waitKey();
    return 0;
}
创建CMakeLists.txt
gedit CMakeLists.txt

cmake_minimum_required(VERSION 3.16)
project(opencv_test)
set(OpenCV_DIR "/home/wlj/opencv-4.9.0/build")
find_package(OpenCV 4.9.0 REQUIRED)
add_executable(cv cv.cpp)
target_link_libraries(cv ${OpenCV_LIBRARIES})

编译

cmake .
make

运行

./cv

设置环境变量(可选非必要)

.bashrc

export Torch_DIR=/home/ubuntu/pytorch/libtorch/share/cmake/Torch 
export Vision_DIR=/home/ubuntu/pytorch/torchvision/share/cmake/TorchVision
export PCL_DIR=/usr/local/include
export VTK_DIR=/usr/local/include

export PKG_CONFIG_PATH=/home/ubuntu/opencv-4.9.0/build/installed/lib/pkgconfig
export LD_LIBRARY_PATH=/home/ubuntu/opencv-4.9.0/build/installed/lib
没有余地 EliasJie
关注
  • 28
    点赞
  • 踩
  • 20
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
python-cmake-buildsystem:一个用于编译Python的cmake构建系统
05-17
用法如何使用此构建系统： 签出构建系统 cd ~ /scratchgit clone git://github.com/python-cmake-buildsystem/python-cmake-buildsystem 建造 # Unixcd ~ /scratchmkdir -p python-build && mkdir
python-pcl.zip
06-29
Python-PCL是一个Python接口，用于访问并操作Point Cloud Library (PCL)，这是一个开源3D点云处理库。在Ubuntu 18.04系统上安装Python-PCL涉及到几个步骤，以下是一个详细的指南： 首先，确保你的系统已经安装了PCL...
【深度学习3】ubuntu22.04从零开始搭建深度学习环境
weixin_43387635的博客
09-09 1万+
ubuntu22.04从零开始搭建深度学习开发环境
（保姆级图文详解）ubuntu下深度学习cuda+cudnn+anaconda3环境配置（看这一篇就够了）
shikaiaixuexi的博客
04-09 2528
conda create -n 环境名 python=x.x。
如何利用Ubuntu服务器运行深度学习项目？
最新发布
cash_cp的博客
05-20 623
如何利用Ubuntu服务器中运行深度学习项目？先配置好服务器端的软件环境（工程源码，miniconda，cuda，显卡驱动等），然后用自己电脑的pycharm远程连接服务器运行代码。一句话总结：借用服务器资源运行代码，本地pycharm只是方便看代码。
Ubuntu20.04配置深度学习环境yolov5最简流程
m0_60657960的博客
03-05 9050
提示Command 'nvidia-smi' not found, but can be installed with:说明你还没有安装显卡驱动。打开终端输入nvidia-smi，查看可以安装cuda的版本（低于这个等于这个版本都可以安装，高于11.3版本，建议安装11.3的）安装显卡驱动最简单方式：打开软件和更新ununtu软件-下载自-安装源改成国内。然后左面有一个附加驱动里面有许多专有的驱动程序，点击一个，接着点击应用更改。三、安装配置cuda、cudnn。解决方法：打开软件更新器更新一下。
揭秘Ubuntu深度学习服务器配置：新手如何成为专家？
戴璞微的学习之路
05-03 2万+
本文主要介绍了从零到一保姆级Ubuntu深度学习服务器环境配置教程
深度学习环境搭建（一）之 Ubuntu 安装
二爷的博客
02-28 1693
到Ubuntu官网下载对应想安装的.iso系统镜像文件，以下ubuntu-20.04.4-desktop-amd64.iso为例备注：一般下载LTS版本，LTS=long term support，长期支持版本，维护更新周期一般为3-5年，一般都是稳定正式版本。
Ubuntu20.04下深度学习环境配置（不维护了）
热门推荐
m0_37412775的博客
10-29 4万+
Ubuntu下深度学习环境配置Ubuntu下深度学习环境配置gpu驱动Anaconda安装功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 Ubuntu下深度学习环境配置 这篇文章记录了我在配置深度学习环境时的坑。具体操作和安装包在
Qt-CMake-HelloWorld：使用CMake构建的简单Qt5程序
02-05
这个项目名为“Qt-CMake-HelloWorld”，它演示了如何将流行的Qt框架与现代CMake构建系统相结合，以实现跨平台的开发。CMake是一种高级构建工具，能够生成各种编译器和IDE（如Visual Studio、Xcode或Code::Blocks）的...
devcpp-cmake-template-devcpp-sdl-template
06-16
devcpp-cmake-template-devcpp-sdl-templatedevcpp-cmake-template-devcpp-sdl-templatedevcpp-cmake-template-devcpp-sdl-templatedevcpp-cmake-template-devcpp-sdl-templatedevcpp-cmake-template-devcpp-sdl-...
ida-cmake:IDA插件CMake构建脚本
05-10
该存储库包含CMake构建脚本和Python帮助程序，无需花费太多用户的精力即可为Windows，macOS和Linux编译C ++ IDA插件。 简单插件示例用法： 创建插件仓库 git init myplugin cd myplugin git submodule add ...
【DeepLearning】Ubuntu 中深度学习环境配置完整流程
G.Chenhui的博客
06-19 2677
根据安装的 cuda 版本选择 cuDNN 版本，可以选新一点的。为 10de:21c4，在浏览器或者。根据项目需要确定要安装的版本。选择你的平台，下载相应的。以自己安装的版本为准！
Ubuntu20.04配置深度学习环境（全网最细最全）
m0_56312629的博客
11-15 4211
Ubuntu20.04配置深度学习环境
ubuntu服务器，深度学习环境配置
qq_45982723的博客
04-18 261
查看显卡信息nvidia-smi右上角为cuda可安装的最大版本信息。版本推荐CUDA：11.2CUDNN：8.2知道要安装的CUDA版本后，就很简单了，去NVIDIA官网直接下载对应版本就好了。（对应自己版本信息）然后选择安装项，一般情况我们都安装了显卡驱动，所以这里第一项驱动最后一个最好不勾选，其他默认安装。特别注意文件夹路径，有时候文件夹直接是/usr/local/cuda，有时候是别的版本号，要确保文件夹存在。最后更新环境变量。
Ubuntu 20.04 配置深度学习开发环境
m0_57055443的博客
03-06 8719
写在前面 由于笔者目前用的是VMware下的Ubuntu20.04，曾经也尝试过安装GPU版本的Pytorch，但虚拟机下安装英伟达驱动一直困扰着我。于是安装了cpu版本的Pytorch，凑合着跑通了深度学习项目（QAQ） 后来了解到需要安装vSphere Bitfusion Client客户端，但由于时间与精力有限就没有去尝试。如果有其他小伙伴在VM 下的ubuntu中成功配置好深度学习环境，有待指点迷津呀~~ 最近，我的小伙伴慕笙需要...
深度学习环境配置之一——Ubuntu系统安装
zhuhuijiehao的博客
07-22 3661
深度学习首先配置好电脑环境，这是每个深度学习开发者的必备技能，在实际的使用中，电脑的环境也可能会出现各种各样的问题，许多时间都会花在电脑的修复中，非常浪费时间，但有时出现的问题只有电脑使用者最熟悉最了解，所以掌握这个基本技能很有必要。 1 Ubuntu系统安装 尽管深度学习可以配置在Windows下，但由于Ubuntu系统运行代码的效率较高，以机械师笔记本F117-X为例（显卡为英伟达3070），在Windows环境下，运行PaddleDetection中的快速开始的路标检测代码（yolov3_mob.
ubuntu20.04 服务器深度学习环境docker搭建
m0_49336687的博客
04-04 6958
深度学习环境docker服务器搭建
ubuntu配置深度学习环境Anaconda+cuda+cudnn+torch+tensorflow
Squandered的博客
03-25 1696
（1）官网下载（2）网盘下载提取码: qmem。
Ubuntu 18.04 安装配置 Caffe-GPU：CUDA 11.7, cuDNN 8.6.0, OpenCV 4.4.0
在Ubuntu 18.04操作系统上配置GPU加速的深度学习环境是许多开发者的日常任务。本教程主要针对的是安装CUDA、cuDNN和Caffe-GPU，这些是构建和训练神经网络所必需的组件。首先，确保你的系统已经安装了NVIDIA驱动515....

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

没有余地 EliasJie

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值