CenterPoint 部署攻略一（环境适配篇）（docker conda构建 tensorrt pytorch mmengine mmcv安装）

简述：

本系列文章涉及三部分：环境搭建、onnx模型转换、TRT模型转换；

一、环境搭建：

因为最终要在orin上转换TRT，所以要先在本地搭建类似 orin 的环境（主要是cuda，tensorrt）;

环境的构建采取的是 docker+conda 的模式（docker隔离性和可移植性较好，conda便于管理软件包，不要觉得麻烦，当复习工具使用了！）；

Orin配置：

cuda-11.4.315

tensorrt-8.5.2.2

本机信息：

NVIDIA RTXA2000 GA106

二、细节

1. tensorrt torch cuda 对应关系：

tensorrt 版本对应的 torch 和 cuda：Release Notes :: NVIDIA Deep Learning TensorRT Documentation 

CUDA Toolkit版本及可用PyTorch对应关系：【最新】CUDA Toolkit版本及可用PyTorch对应关系（参考官网）_cuda12.2对应的pytorch_将月藏进诗尾的博客-CSDN博客

PyTorch中torch、torchvision、torchaudio版本对应关系：PyTorch中torch、torchvision、torchaudio版本对应关系_torch2.0.1对应的torchvision_Liekkas Kono的博客-CSDN博客

2. docker 以及 conda 的构建：

2.1 cuda from Dockerfile

cuda cudnn 在 docker hub:  https://hub.docker.com/r/nvidia/cuda上下载对应Dockerfile:

sudo docker pull nvidia/cuda:11.4.3-cudnn8-devel-ubuntu20.04

比如我为了搭建和orin相同的cuda环境，就选11.4.3-cudnn8-devel-ubuntu20.04，注意要安装devel 版本！

2.2 构建容器

然后是熟悉的 docker run 操作（替换自己的映射路径和镜像id）：

sudo docker run -it --name xxx --shm-size 64g --gpus all -v xxx:/xxx -v xxx:/xxx Image_ID
sudo docker exec -it xxx /bin/bash

2.3 构建虚拟环境

然后是熟悉的 conda create 操作（就安装3.8.10，不要改）：

conda create -n centerpoint_orin python=3.8.10
conda activate centerpoint_orin

2.4 安装tensorrt

从官网 Log in | NVIDIA Developer下载 tensorrt-8.5.2.2（GA是稳定版，英伟达系列的 updateX 就代表版本号后面加上一个.X），在conda环境中手动安装TRT：【TensorRT系列】1.TensorRT安装教程 - 知乎

2.5 备份

好了至此已经搭建了等同 orin 的 cuda tensorrt（以及你自定义安装的一系列xxx），如果对接下来的操作不放心，可以将此容器备份成镜像便于反复调试：

sudo docker commit [-m="提交的描述信息"] [-a="创建者"] 容器名称|容器ID 生成的镜像名[:标签名]

3. pytorch 家族以及 mmcv 家族的安装：

至此已经得到了”母环境“（建议备份！建议备份！建议备份！），接下来要进行大乱斗安装：

3.1 torch家族安装：

根据上文贴出来的对应关系，安装你想要的系列（nvidia 的 cuda11.x 向下兼容，即11.4完全可以安装11.3系列对应的torch）：

conda install pytorch==1.10.1+cu113 torchvision==0.11.2+cu113 torchaudio==0.10.1+cu113 cudatoolkit==11.3.1 -c pytorch

注：上述安装pytorch的命令中-c的意义是指定从torch官方的渠道进行下载，而不使用默认渠道。

或者 你想要 pip 安装（确保在上一步已经更新）：

pip install torch==1.10.1+cu113 torchvision==0.11.2+cu113 torchaudio==0.10.1+cu113 cudatoolkit==11.3.1

在这里扯一下conda install 和 pip install 的关系，为什么 pip list 里没有的包也能运行？ conda list 里的东西又是怎么被调用的？ pip和conda可以混用吗？ - 知乎

好了扯回来！如果使用 conda 安装 pytorch 后 import 找不到 torch 怎么办（/path/to/torch替换成自己的路径，如果不知道自己 torch 安装在哪，重新运行一遍你刚才的安装命令，会提示 xxx is already exists in /xxx/path）：

vim ~/.bashrc

export PYTHONPATH=/path/to/torch:$PYTHONPATH

source ~/.bashrc

3.2 安装mmengine mmcv:

pip install mmcv-full

（实践中我先没有指定版本）若上述命令无效：

用mim安装:

pip install -U openmim
mim install mmcv-full

实在安不下来手动安装 .whl 吧（cuxxx torchx.x.x记得更换！）: https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html

4. 运行时的报错案例及解决

然后运行你的小脚本，出现什么报错解决什么（环境层面），如：

ImportError: libgthread-2.0.so.0: cannot open shared object file: No such file or directory:

apt-get update
apt-get install libglib2.0-0

The following packages have unmet dependencies: libglib2.0-dev : Depends: libpcre3-dev (>= 1:8.31) but it is not going to be installed Depends: zlib1g-dev but it is not going to be installed E: Unable to correct problems, you have held broken packages.

apt-get install libpcre3-dev=1:8.31 zlib1g-dev

总之一句话，缺什么安什么，安装完记得看最后一行有没有warning，按照他提供的最小安装版本条件安装！

若出现下面的大坑，误慌，先 pip uninstall mmcv，再根据 安装 MMCV — mmcv 2.0.1 文档 输入你的配置得到安装命令；

ImportError: /root/miniconda3/envs/centerpoint_radarduck/lib/python3.8/site-packages/mmcv/_ext.cpython-38-x86_64-linux-gnu.so: undefined symbol: _ZN3c105ErrorC2ENS_14SourceLocationESs