hknaruto的专栏

直接采用apt源安装。

安装psutil-5.9.5.tar.gz前，需要先安装setuptools。pytorch得重新编译了。

问题：pip会自动依赖安装torch==2.0.1，这个版本是CPU版本，Ctrl+C中断，选择手动编译安装torchvision。故障，通过修改源码，添加打印发现强制验证了torch,torchvision。编辑requirements_versions.txt，注释掉torch。不从 skel 目录里向其中复制任何文件。useradd：警告：此主目录已经存在。网络故障处理（自己的环境问题，可不关注）启动webui.sh，开始自动安装，观察。离线安装（网络问题，可不关注）切换用户重新配置环境变量。

aarch64 pytorch(没有aarch64对应版本，自行编译)

由于采用/usr/local/bin/gcc编译，先设置LD_LIBRARY_PATH，再启动python3。import torch成功，测试cuda是否可用。import torch报错。

已存在openssl库，但是版本有对不上，去掉openssl openssl-lib的安装指令。rsync把已经在x86编译成果的源代码同步到arm64服务器上。gcc: 错误：yaml/_yaml.c：没有那个文件或目录。gcc: 致命错误：没有输入文件。注意：有报错（目前看不影响）

make[3]: *** [caffe2/CMakeFiles/torch_cpu.dir/build.make:17403：lib/libtorch_cpu.so] 错误 1。gmake[1]: *** [CMakeFiles/Makefile2:4511：caffe2/CMakeFiles/torch_cpu.dir/all] 错误 2。make[2]: *** [CMakeFiles/Makefile2:4511：caffe2/CMakeFiles/torch_cpu.dir/all] 错误 2。

成果识别到Tesla T4显卡。

注：NVIDIA-Linux-aarch64-520.61.05.run可以在cuda_11.8.0_520.61.05_linux_sbsa.run运行阶段在/tmp目录下搜索到：find /tmp | grep NVIDIA。首次安装时，选择驱动一同安装，会自动生成文件/etc/modprobe.d/nvidia-installer-disable-nouveau.conf ， 内容如下。

安装nvidia-container-toolkit。

升级，非常重要，否则安装到glibc 32位库时报错，系统死机！升级到一般，黑屏了！！！放弃这个版本！接着折腾硬件reset重启后，能进入系统先修复dpkg继续更新。

随机挑选几个系统，run文件是一样的，某些情况下，比deb，rpm方便。