Nvidia AGX系列搭建深度学习环境

Nvidia AGX系列搭建深度学习环境

最近在agx板子上部署轻量化模型，记录下搭建深度学习环境的过程。可以参考一下这篇博客写的很好。
[agx深度学习环境搭建]（这里的archiconda失效了）(https://blog.csdn.net/qq_41426807/article/details/124705416)

一、查看自己AGX的内置环境

uname -a #查看系统版本
jetson_release -v#查看jetson版本
nvcc -V #查看cuda版本
cat /usr/include/cudnn.h |grep CUDNN_MAJOR -A 2 #查看cudnn版本

二、开始搭建虚拟环境

1.下载miniforge(https://github.com/conda-forge/miniforge/releases)下载自己对应的版本，arrch64.参考安装miniforge

sh xxxxx.sh#自己下载的minifoge

添加环境变量

export PATH=/home/<username>/miniforge-pypy3/bin:$PATH #增加环境变量, 将<username>换成你的用户名，可以看看自己的是不是暗转在这里了
source ~/.bashrc #激活环境变量
source activate  #显示(base)

更换镜像

conda config --prepend channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --prepend channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

到这里就可创建虚拟环境了

安装pytorch

这里根据jetson版本下载对应的whl文件有torch,onnx-runtime
这里是使用torch1.9.0+torchvision0.10.0

sudo apt-get install python3-pip libopenblas-base libopenmpi-dev
 
sudo pip3 install Cython 
 
cd /下载好文件的文件夹
 
pip3 install torch-1.9.0-cp36-cp36m-linux_aarch64.whl
 
pip3 install numpy
####修改环境变量
sudo gedit ~/.bashrc   #编辑bashrc
 
export OPENBLAS_CORETYPE=ARMV8  #加到最后一行
 
source ~/.bashrc   #更新一下环境变量

安装torchvision

链接：https://pan.baidu.com/s/1pmnqdAYvjqdHqcOTT_EdKw
提取码：0100

pip3 install torchvision-0.10.0 -cp36-cp36m-linux_aarch64.whl

安装之后装其他包就行。