PX4/Pixhawk - 编译环境搭建

最近在学习px4的二次开发,发现网上的环境搭建教程五花八门,大多复杂,重重踩坑之后,发现还是官方的教程好使,总结如下:

环境准备

  • 采用vmware虚拟机搭建环境
  • 系统是ubuntu18.04
  • 需要会一些简单的linux指令

采用虚拟机的好处是移植和复用方便,不行就重来,不用担心原环境的影响和把自己的linux系统搞坏了。

首先上干货,一个已经配置好px编译环境的虚拟机,编译过1.11.3版本的px4程序,可以用vmware直接打开:

链接:https://pan.baidu.com/s/1HfopqrnO06JhjxViiJZu6A 
提取码:2726 

看到这个挺受欢迎,增加一个20.04的ubuntu的虚拟机,可以编译最新的px4固件,1.13.2。密码还是123。

链接:https://pan.baidu.com/s/1uwTiDvO4vJq-d56DODnezg?pwd=kdh6 
提取码:kdh6

vmware虚拟机安装

参考虚拟机安装,不需要后面的vitisai,只需要参考ubuntu的安装即可。
ubuntu的下载地址是:

pix2pixHD是一种用于图像到图像的转换的深度学习模型,它可以将输入图像转换为输出图像。下面是pix2pixHD的环境配置步骤: 1. 安装Python和PyTorch:首先,确保你已经安装了Python和PyTorch。你可以从官方网站下载并按照指示进行安装。 2. 安装依赖库:在配置pix2pixHD环境之前,你需要安装一些必要的依赖库。可以使用以下命令来安装这些库: ``` pip install dominate pip install visdom pip install numpy pip install scipy pip install pillow ``` 3. 下载pix2pixHD代码:你可以从GitHub上下载pix2pixHD的代码。使用以下命令克隆代码库: ``` git clone https://github.com/NVIDIA/pix2pixHD.git ``` 4. 下载预训练模型:在运行pix2pixHD之前,你需要下载预训练的模型权重。你可以从GitHub页面上找到预训练模型的链接,并使用wget或其他下载工具进行下载。 5. 数据集准备:准备你的输入图像和对应的目标图像数据集。确保数据集的文件结构符合pix2pixHD的要求。 6. 运行pix2pixHD:在完成以上步骤后,你可以使用命令行进入pix2pixHD的代码目录,并运行以下命令来训练或测试模型: ``` python train.py --name your_experiment_name --dataroot /path/to/dataset --gpu_ids 0 ``` 其中,`your_experiment_name`是你的实验名称,`/path/to/dataset`是你的数据集路径,`--gpu_ids 0`表示使用GPU进行训练。 如果你只是想测试模型而不是训练模型,可以使用以下命令: ``` python test.py --name your_experiment_name --dataroot /path/to/dataset --gpu_ids 0 ``` 以上是pix2pixHD的环境配置步骤。如果你有任何进一步的问题,请随时提问。
评论 23
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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