深度学习环境配置
1.进行换源
先备份原来的源
cd /etc/apt
cp /etc/apt/sources.list /etc/apt/sources.list.bak
然后再用记事本打开
命令框里输入
gedit sources.list
把原有内容删除,替换为镜像源,然后保存。
# 默认注释了源码镜像以提高 apt update 速度,如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-backports main restricted universe multiverse
# 以下安全更新软件源包含了官方源与镜像站配置,如有需要可自行修改注释切换
deb http://ports.ubuntu.com/ubuntu-ports/ focal-security main restricted universe multiverse
# deb-src http://ports.ubuntu.com/ubuntu-ports/ focal-security main restricted universe multiverse
# 预发布软件源,不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-proposed main restricted universe multiverse
# # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu-ports/ focal-proposed main restricted universe multiverse
2.安装jetpack
sudo apt update
sudo apt dist-upgrade # 20分钟左右 更新319个 新增了5个
sudo reboot
在这⾥必须执⾏⼀次重启的动作,否则会出现⼀些不稳定的现象。重启之后只要执⾏以下指令即可
sudo apt install nvidia-jetpack
安装成功后,再安装jtop,jtop是Jetson 系列非常著名的监控工具,请执行以下指令进行安装:
sudo apt install python3-pip
sudo -H pip3 install -U pip
sudo -H pip install jetson-stats
然后执行下面启动指令就能开启这个监控工具:
jtop
可以使用sudo jetson_release
命令查看jetson版本号以及与它适配的cuda、cudnn、TensorRT、OpenCV等等版本,如下图:
3.配置cuda环境
在桌面打开终端,输入如下命令:
vim ~/.bashrc
#在文本末输入如下代码:
export LD_LIBRARY_PATH=/usr/local/cuda/lib64
export PATH=/usr/local/cuda/bin:$PATH
export CUDA_HOME=/usr/local/cuda
#更新环境变量配置
source ~/.bashrc
查看版本号:
nvcc -V
4.配置cuDNN环境
在终端输入如下命令:
#复制文件到cuda目录下
cd /usr/include && sudo cp cudnn* /usr/local/cuda/include
cd /usr/lib/aarch64-linux-gnu && sudo cp libcudnn* /usr/local/cuda/lib64
#修改文件权限,修改复制完的头文件与库文件的权限,所有用户都可读,可写,可执行:
sudo chmod 777 /usr/local/cuda/include/cudnn.h
sudo chmod 777 /usr/local/cuda/lib64/libcudnn*
#重新软链接,这里的8.6.0和8对应安装的cudnn版本号和首数字
cd /usr/local/cuda/lib64
sudo ln -sf libcudnn.so.8.6.0 libcudnn.so.8
sudo ln -sf libcudnn_ops_train.so.8.6.0 libcudnn_ops_train.so.8
sudo ln -sf libcudnn_ops_infer.so.8.6.0 libcudnn_ops_infer.so.8
sudo ln -sf libcudnn_adv_train.so.8.6.0 libcudnn_adv_train.so.8
sudo ln -sf libcudnn_adv_infer.so.8.6.0 libcudnn_adv_infer.so.8
sudo ln -sf libcudnn_cnn_train.so.8.6.0 libcudnn_cnn_train.so.8
sudo ln -sf libcudnn_cnn_infer.so.8.6.0 libcudnn_cnn_infer.so.8
sudo ldconfig
输入以下命令:
dpkg -l libcudnn8
按 q键退出当前画面。
5.安装Anaconda
anaconda的下载地址是:anaconda清华镜像源,我选择的版本是:Anaconda3-2022.10-Linux-aarch64.sh,将下载的shell文件拷贝至home文件夹(也可以不拷贝),在home中打开终端,输入:
bash Anaconda3-2022.10-Linux-aarch64.sh
接下来的安装过程请参考conda安装(从第2步开始)。
6.安装Pytorch
根据jetpack版本安装对应版本的Pytorch,在官方链接找到对应的pytorch。建议使用1.14.1版本
紧接着我在这个官方链接中找到了Jetpack5.1所对应的pytorch版本,如下:
参考官方pythorch安装教程 进行安装,将下载的.whl文件拷贝至home文件夹,在home中打开终端,按照官方教程,输入如下命令:
sudo apt-get -y update;
sudo apt-get -y install autoconf bc build-essential g++-8 gcc-8 clang-8 lld-8 gettext-base gfortran-8 iputils-ping libbz2-dev libc++-dev libcgal-dev libffi-dev libfreetype6-dev libhdf5-dev libjpeg-dev liblzma-dev libncurses5-dev libncursesw5-dev libpng-dev libreadline-dev libssl-dev libsqlite3-dev libxml2-dev libxslt-dev locales moreutils openssl python-openssl rsync scons python3-pip libopenblas-dev;
然后输入如下命令:
pip install torch-1.14.0a0+44dac51c.nv23.02-cp38-cp38-linux_aarch64.whl
紧接着输入如下命令:
python3 -m pip install --upgrade pip; python3 -m pip install aiohttp numpy=='1.19.4' scipy=='1.5.3' ; python3 -m pip install --upgrade protobuf; python3 -m pip install --no-cache $TORCH_INSTALL
7.安装torchvison
下载pytorch版本对应的torchvison(1.14.1建议安装0.15.1),torchvision下载链接
版本选择方法如下图:
选择好v0.15.1之后,进行下载,如图:
在home文件夹中新建文件夹,命名为torchvision,然后将下载的文件进行解压,之后拷贝至home文件夹下新建的torchvision文件夹中(拷贝setup.py所在文件夹里的所有内容至torchvision),并在该文件夹中打开终端,按照官方教程,输入如下命令(第一次编译需要较长时间):
sudo apt-get install libjpeg-dev zlib1g-dev libpython3-dev libavcodec-dev libavformat-dev libswscale-dev
export BUILD_VERSION=0.15.1 # where 0.15.1 is the torchvision version
python3 setup.py install --user
安装yolov8_track需要的包
打开yolov8_tracking目录,并输入以下命令:
cd yolov8_tracking
pip install -r requirements.txt # install dependencies
n
python3 setup.py install --user
#### 安装yolov8_track需要的包
打开yolov8_tracking目录,并输入以下命令:
```bash
cd yolov8_tracking
pip install -r requirements.txt # install dependencies