Ying_yu1的博客

原创 ImportError: libcudss.so.0: cannot open shared object file: No such file or directory

本文记录了在Jetson Orin设备上部署PyTorch时遇到的libcudss.so.0缺失问题。通过排查发现是缺少cuDSS库所致，解决方案包括：1）安装NVIDIA官方提供的aarch64-jetson架构专用cuDSS 0.7.1包；2）配置LD_LIBRARY_PATH环境变量指向库文件路径；3）成功验证PyTorch导入和CUDA可用性。该方案为同类问题提供了有效参考。

原创 Jetson平台CUDA工具套件安装实战：解决nvcc找不到的坑

本文介绍了在Jetson Orin设备上手动安装CUDA工具套件的详细步骤。由于JetPack默认不包含完整的CUDA开发组件，导致无法使用nvcc命令和PyTorch GPU加速。文章通过四个关键步骤解决问题：更新软件包列表、安装nvidia-cuda-dev开发工具包、配置环境变量以及验证安装结果。特别强调了PATH和LD_LIBRARY_PATH的正确设置方法，并提醒注意JetPack与CUDA版本的匹配问题。这套方案可有效解决"nvcc未找到"和PyTorch无法识别GPU的问题，为后续深度学习开发

原创 Conda环境迁移最佳实践：使用conda-pack解决路径硬编码问题

本文介绍使用conda-pack工具正确迁移Conda虚拟环境的方法。针对直接复制环境导致的路径硬编码问题，详细讲解了从安装conda-pack、打包环境、传输文件到新服务器、解压激活环境的完整流程。通过将环境打包为tar.gz文件，conda-pack能自动处理路径重定位，确保迁移后环境正常使用。该方法有效解决了"错误的解释器"等路径依赖问题，是Conda环境迁移的最佳实践方案。

原创 Conda环境迁移后运行yolo报错：“错误的解释器: 没有那个文件或目录”的解决方法

在将YOLOv8项目从旧服务器迁移到Jetson设备时，直接复制Conda环境导致yolo命令执行失败，报错"错误的解释器"。这是由于可执行脚本中的Python解释器路径未更新。问题根源在于pip安装包时生成的脚本包含硬编码路径，迁移后路径不匹配。建议使用conda-pack工具正确处理环境迁移，避免手动修改可能引发的其他问题。

原创 轻松安装Miniconda：Linux ARM64架构快速指南

本文介绍了在ARM64架构的Ubuntu 20.04服务器上安装Miniconda的详细步骤。首先通过wget下载Miniconda安装包，然后运行安装脚本并按提示完成配置，包括接受许可协议、设置安装路径和初始化环境变量。安装后执行source ~/.bashrc激活环境，使用conda list验证安装是否成功。Miniconda作为轻量级环境管理工具，能有效解决Python开发中的依赖冲突问题，为后续创建独立开发环境奠定基础。

原创 字母和数字键的键码值（KeyCode）