Jetson TX1安装pyTorch

最新推荐文章于 2024-06-03 16:57:59 发布

weixin_33894640

最新推荐文章于 2024-06-03 16:57:59 发布

阅读量338

点赞数

文章标签：人工智能

原文链接：http://www.cnblogs.com/haiyang21/p/10708196.html

版权

本文提供了一份详细的Jetson TX1平台上PyTorch编译安装教程，包括SSD或SD卡启动配置、swapfile创建、依赖库安装、CUDNN路径设置、源码下载及编译等步骤，确保在有限资源环境下顺利完成PyTorch的安装。

摘要由CSDN通过智能技术生成

安装步骤：

1. 配置SSD或者SD卡启动

详细步骤参考：https://www.cnblogs.com/haiyang21/p/10780827.html

注意：（1）SD卡在格式化的时候可能会出现ext4格式无法格式化的情况，可以选择只格式化Partition分区，我的情况是重新刷机后，只格式化了Partition分区，结果可行，并为验证是哪个原因引起的。

（2）设置开机SD卡启动，只需要修改SD卡中的/boot/extlinux/extlinux.conf文件，这样如果出现问题，可以拔出SD卡，系统会重新从emmc启动。

(3) SSD启动时无法开机自动挂在，所以在配置extlinux.conf文件时，需要修改emmc卡内的文件

2. 配置swapfile

如果不配置的话会由于空间不足导致错误：c++: internal compiler error: Killed (program cc1plus)

git clone https://github.com/jetsonhacks/postFlashTX1.git
cd postFlashTX1\
ls
$ sudo ./createSwapfile.sh -d [directory location] -s [size in gigabytes] –a
[directory location]: 为swapfile创建的路径
[size in gigabytes]: 为swapfile创建的大小
-a：为开机启动

eg. sudo ./createSwapfile.sh -d /media/nvidia/JetsonUSB/ -s 8 -a

注意：我选择的时在usb上创建swapfile，格式化的方式与步骤1相同

3. 安装依赖库

sudo apt install libopenblas-dev libatlas-dev liblapack-dev
sudo apt install liblapacke-dev checkinstall # For OpenCV
sudo apt-get install python3-pip
 
pip3 install --upgrade pip3==9.0.1
sudo apt-get install python3-dev
 
sudo pip3 install numpy scipy # 这个花费的时间略长，20分钟到30分钟左右
sudo pip3 install pyyaml
sudo pip3 install scikit-build
#sudo apt-get -y install cmake
sudo apt install libffi-dev
sudo pip3 install cffi
sudo pip3 install protobuf

注意：cmake直接安装可能会由于版本过低导致安装pytorch失败，我选用的是编译源码方式安装指定版本

如果已经安装低版本，可以先卸载

sudo apt-get autoremove cmake

重新编译安装

wget https://cmake.org/files/v3.9/cmake-3.9.6.tar.gz
tar -zxvf cmake-3.9.6.tar.gz
cd cmake-3.9.6/
./bootstrap
make
make install

4. 配置cudnn路径

sudo gedit ~/.bashrc
export CUDNN_LIB_DIR=/usr/lib/aarch64-linux-gnu
export CUDNN_INCLUDE_DIR=/usr/include
source ~/.bashrc

5. 下载pytorch源码

git clone http://github.com/pytorch/pytorch
cd pytorch
sudo pip3 install -U setuptools
sudo pip3 install -r requirements.txt
git submodule update --init --recursive

6. 配置NCCL为false以免编译过程中出现编译错误

CMakeList.txt中设置NCCL=False
setup.py中添加NCCL=False

install NCCL

https://github.com/NVIDIA/nccl

https://developer.nvidia.com/nccl

7. 编译安装

sudo python setup.py build develop
sudo python setup.py install

8. 验证安装是否成功

# Verify CUDA (from python interactive terminal)
import torch
print(torch.cuda.is_available())
a = torch.cuda.FloatTensor(2)
print(a)
b = torch.randn(2).cuda()
print(b)
c = a + b
print(c)