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。