docker 中安装cuda.pytorch,torchvision 实现yolov4 GPU过程摘要

最新推荐文章于 2024-07-11 10:05:46 发布

置顶君宝bob

最新推荐文章于 2024-07-11 10:05:46 发布

阅读量288

点赞数

分类专栏： docker gpu 边缘分布式计算 python 文章标签： docker pytorch 容器

本文链接：https://blog.csdn.net/weixin_43480227/article/details/120900001

版权

边缘分布式计算同时被 3 个专栏收录

23 篇文章 25 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

python

19 篇文章 0 订阅

订阅专栏

docker gpu

12 篇文章 0 订阅

订阅专栏

本文详细介绍了如何在Ubuntu Linux的Docker环境中安装CUDA 10.2、PyTorch和TorchVision，以实现Yolov4在GPU上的运行。首先，基于预装CUDA和OpenCV的镜像生成容器，并确保能调用外部显示和GPU。接着，安装必要的库，编译CUDA样本验证库的可用性。然后，通过pip安装PyTorch并验证其正确性。

摘要由CSDN通过智能技术生成

ubuntu linux docker 中安装cuda.pytorch,torchvision 实现yolov4、kafka项目在docker中正常运行

一、基础：

方案一、
直接从ubuntu:latest image为基础，支持界面显示、并挂载GPU、cuda资源、项目文件目录

生成容器

docker run -itd --gpus all --name test -e NVIDIA_DRIVER_CAPABILITYS=compute,utility -e NVIDIA_VISIBLE_DEVICES=all  -v /workspace:/workspace -v /tmp/.X11-unix:/tmp/.X11-unix -e DISPLAY=$DISPLAY  ubuntu:latest

本文实战因为要兼容支持另外一个项目，就只好基于一个已经安装cuda、opencv的docker镜象。

 docker run --name "cuda10.2-cv4.4" --gpus all -it -v /workspace/sdf/:/home/sdf -v /tmp/.X11-unix:/tmp/.X11-unix -e DISPLAY=$DISPLAY cuda10.2-cv4.4  /bin/b