外接摄像头ubuntu18.04工控机环境配置记录,包括cuda、cudnn、python、torch1.9、torchversion0.10.0等。

工控机为ARM架构:

所需环境:cuda10.2;cudnn8.0;python3.7;torch1.9;torchversion0.10.0

遇到的错误附在本文最后,部分所需文件已提前下载在预下载文件夹中

配置前请先通览全文,注意黄色标注内容。

环境配置步骤

1、cuda10.2以及cudnn8.0安装步骤参考https://blog.csdn.net/tianzhenba/article/details/121766188?ops_request_misc=&request_id=&biz_id=102&utm_term=cuda-l4t.sh&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-7-121766188.142^v5^pc_search_result_control_group,157^v4^control&spm=1018.2226.3001.4187

   cuda10.2一般情况下系统默认提供,若已经存在,则只需安装cudnn8.0即可。

2、工控机默认python版本为python2.7、python3.6。安装python3.7参考

Ubuntu16.04安装python3.7.4并在多个python版本之间切换_ubuntu安装3.7.4-CSDN博客

(python3.7压缩包已下载至预下载文件夹,担心操作有误可以直接按照参考网址操作)

3、Torch1.9及torchvision0.10安装步骤:NVIDIA Jetson NX刷机安装pytorch(看这一篇就够了!!!)_jeson nx pytorch-CSDN博客

进入网址后,从博客第四步开始。

因工控机系统问题,此处建议使用本地安装的方式进行操作。

Torch及torchvision下载网址:https://download.pytorch.org/whl/torch_stable.html

安装包已经下载完毕存放在预下载包中。

4、在3.8文件夹中找到detect_deepsort.py文件,同层打开终端,输入运行代码:

python3 detect_deepsort.py

一般会多个报错:“No module named  XXXXXX”

遇到这种情况,终端输入:

sudo pip3 install XXXXX

加速可挂清华源。直至不再报错,这里是安装之前步骤中漏掉的依赖。

5、打开终端,输入两行代码(很重要!!!!!!!!!)

sudo apt-get install libgtk2.0-dev

sudo apt-get install pkg-config

进入YOLOv5xin文件夹,打开终端,输入

pip install -r requirements.txt

速度慢可挂载清华源。

6、删除home下的torchvision,更新后的Yolov5xin代码程序需要torchvision0.10.0版本。打开网址

PyTorch for Jetson - Jetson & Embedded Systems / Announcements - NVIDIA Developer Forums

选择Instructions下的installation,下拉选项中找到torchvision,新开终端,依次输入代码:

其中<version>改成具体版本0.10.0

其中0.x.0中的x改成10

7、新开一个终端,安装opencv- python,输入代码:

sudo pip3 install opencv-python

8、新开一个终端,安装opencv-contrib-python,输入代码:

sudo pip3 install opencv-contrib-python

ubuntu18.04对应的opencv及其拓展库版本推荐4.5.5.64。安装最新版本不兼容会报错。

这一步需要点时间,下载速度慢可插网线并挂载豆瓣源。

遇到的错误:

1、

此步骤第二项解压会报错,不用管,继续往下。

2、

pip install matplotlib安装matplotlib

我默认安装在python3中 

3.8文件夹下开终端,python3 detect_deepsort.py会报核心转储

参考

https://blog.csdn.net/xiaosongshine/article/details/114168235?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165234295316781667855420%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=165234295316781667855420&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~first_rank_ecpm_v1~rank_v31_ecpm-4-114168235-null-null.142^v9^pc_search_result_cache,157^v4^control&utm_term=Illegal+instruction+%28core+dumped%29&spm=1018.2226.3001.4187

在.bashrc文件中最后加入一行加入

export OPENBLAS_CORETYPE=ARMV8

3、

第5步和第7、8步顺序不能乱,先完成第5步才能进行第7、8步。否则opencv安装会显示cv2报错。

  • 16
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Ubuntu 18.04深度学习环境配置需要以下步骤: 1. 安装CUDAcuDNNCUDA是NVIDIA的GPU加速计算平台,cuDNN是深度神经网络库。首先需要安装CUDA,然后再安装cuDNN。具体安装步骤可以参考官方文档。 2. 安装Python和相关库:Ubuntu 18.04自带Python 3,可以使用apt-get命令安装Python相关库,如numpy、scipy、matplotlib等。 3. 安装深度学习框架:常用的深度学习框架有TensorFlow、PyTorch、Keras等。可以使用pip命令安装。 4. 配置环境变量:需要将CUDAcuDNN的路径添加到环境变量中,以便深度学习框架能够正确地使用GPU加速。 5. 测试环境:可以使用简单的深度学习模型测试环境是否配置成功。 以上是Ubuntu 18.04深度学习环境配置的基本步骤,具体操作可以参考相关文档和教程。 ### 回答2: Ubuntu18.04是许多深度学习爱好者所喜欢的一种操作系统。Ubuntu18.04不仅稳定可靠,还提供了许多强大的开发工具和编程环境。以下是一些要点和步骤,供您在Ubuntu18.04中配置深度学习环境。 1. 安装Ubuntu18.04Ubuntu18.04安装深度学习环境之前,您需要首先安装Ubuntu18.04操作系统。您可以通过官方网站下载Ubuntu18.04的iso文件,然后将其写入可引导的USB驱动器。 2. 安装NVIDIA驱动程序 NVIDIA驱动程序是深度学习环境配置中最重要的部分,因为它可以提供针对NVIDIA GPU的支持。如何安装NVIDIA驱动程序取决于您的显卡型号。您可以通过以下命令来检查您的显卡型号: $ lspci | grep -i nvidia 如果您的显卡型号是NVIDIA Tesla V100,则可以通过以下命令来下载最新的NVIDIA驱动程序: $ wget http://us.download.nvidia.com/tesla/410.72/nvidia-diag-driver-local-repo-ubuntu1804-410.72_1.0-1_amd64.deb 在安装NVIDIA驱动程序之前,您需要卸载之前安装的任何旧版驱动程序。卸载的命令如下: $ sudo apt-get purge nvidia* 安装新的NVIDIA驱动程序: $ sudo dpkg -i nvidia-diag-driver-local-repo-ubuntu1804-410.72_1.0-1_amd64.deb $ sudo apt-key add /var/nvidia-diag-driver-local-repo-410.72/7fa2af80.pub $ sudo apt-get update $ sudo apt-get install cuda-drivers 3. 安装CUDAcuDNN 安装了NVIDIA驱动程序后,您可以安装CUDAcuDNNCUDA可以为您提供各种各样的计算和优化库,用于构建深度学习模型。cuDNN是一个加速深度神经网络的库。以下是安装CUDA的步骤: $ wget https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64 $ sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb $ sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub $ sudo apt-get update $ sudo apt-get install cuda 安装cuDNN: $ tar -xzvf cudnn-9.0-linux-x64-v7.tgz $ sudo cp -P cuda/include/cudnn.h /usr/local/cuda-9.0/include $ sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/ $ sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn* 4. 安装Python深度学习框架 Python深度学习环境中使用的主要编程语言。您可以使用以下命令安装Python3: $ sudo apt-get install python3 深度学习框架是实现深度学习算法和模型的库。许多流行的深度学习框架,例如TensorFlow、PyTorch和Keras,都可以在Ubuntu18.04上进行安装和配置。以下是安装TensorFlow的步骤: $ sudo apt-get install python3-pip python3-dev python-virtualenv $ virtualenv --system-site-packages tensorflow $ source tensorflow/bin/activate (tensorflow) $ pip install --upgrade pip (tensorflow) $ pip install --user tensorflow-gpu 5. 训练深度学习模型 当您完成深度学习环境的配置后,可以开始训练深度学习模型。您可以使用自己的数据集或公共数据集来训练模型。以下是使用TensorFlow训练模型的示例代码: import tensorflow as tf from tensorflow import keras (train_images, train_labels), (test_images, test_labels) = keras.datasets.mnist.load_data() train_images = train_images.astype('float32') / 255 test_images = test_images.astype('float32') / 255 model = keras.Sequential([ keras.layers.Flatten(input_shape=(28, 28)), keras.layers.Dense(128, activation='relu'), keras.layers.Dense(10, activation='softmax') ]) model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) model.fit(train_images, train_labels, epochs=5) 您可以通过运行该命令训练模型: (tensorflow) $ python train_model.py 在完成训练后,您可以通过以下命令保存模型: model.save('my_model.h5') 6. 总结 Ubuntu18.04是一种出色的操作系统,适用于深度学习环境的配置。在配置深度学习环境之前,您需要安装NVIDIA驱动程序、CUDAcuDNN。然后,您可以安装Python深度学习框架,例如TensorFlow。在配置完环境之后,您可以使用您自己的数据或公共数据集训练深度学习模型。 ### 回答3: Ubuntu 18.04 作为当前最流行的开源操作系统,广泛应用于深度学习领域。它提供了很好的性能和稳定性,同时也支持广泛的深度学习框架和工具库,如 Keras、TensorFlow、PyTorch 和 OpenCV 等。下面是配置 Ubuntu 18.04 深度学习环境的基本步骤: 1. 确保 Ubuntu 18.04 正确安装和升级: 首先,确保 Ubuntu 18.04 正确安装和升级到最新版本。您可以使用以下命令升级您的操作系统: sudo apt-get update sudo apt-get upgrade 2. 安装 Anaconda 3: Anaconda 是一个广泛使用的 Python 数据科学和机器学习平台,它为用户提供了方便的包管理和环境管理工具。您可以使用以下命令下载并安装 Anaconda: wget https://repo.anaconda.com/archive/Anaconda3-2019.07-Linux-x86_64.sh bash Anaconda3-2019.07-Linux-x86_64.sh 在安装过程中,按照屏幕上的提示进行操作。一旦安装完成,您需要从终端中运行以下命令将 Anaconda 添加到系统路径: export PATH=/root/anaconda3/bin:$PATH 3. 安装深度学习框架: 安装深度学习框架需要在 Anaconda 中创建一个新的虚拟环境,并安装相应的包,例如 TensorFlow 或 PyTorch。以下是以 TensorFlow 为例的样例代码: conda create -n tensorflow python=3.6 conda activate tensorflow conda install tensorflow-gpu 用类似的方式可以安装其他深度学习框架,如 PyTorch 等。 4. 安装和配置 GPU 驱动程序: 如果您的系统安装了 GPU,则需要安装相应的 GPU 驱动程序和 CUDA 工具包以获得更好的性能。以下是安装 GPU 驱动程序和 CUDA 工具包的样例代码: sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update sudo apt-get install nvidia-driver-430 sudo apt install nvidia-cuda-toolkit 5. 安装图像处理库: 在深度学习中需要加载和处理图像,在 Ubuntu18.04 中可用的图像处理库包括 OpenCV 和 Pillow。以下是样例代码: conda install opencv conda install Pillow 在完成这些步骤之后,您的 Ubuntu 18.04 系统就具备了基本的深度学习环境。您可以按照框架和工具库的具体要求进行配置和设置,以进行更高级的深度学习任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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