paddle2.3+centos7.6.5+cuda10.1+nccl2.7.8

已于 2022-11-15 16:26:27 修改
阅读量1.5k 收藏 3
点赞数
分类专栏： shell 环境安装 文章标签： 深度学习 人工智能
于 2022-10-29 14:58:25 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/confuciust/article/details/127586930
版权
最低0.47元/天 解锁文章
安装NCCL 2.1.15
hanchan94的专栏
05-10 1万+
安装NCCL 2.1.15 安装环境:ubuntu16.04， cuda9.1版本， cudnn7.1.3 因为新版本的tensorflow依赖nccl2.x以上版本，github仓库只有1.x版本。需要在官网下载nccl2版本
nccl-2.4.8-1-x86_64.pkg.tar.xz
07-28
nccl-2.4.8-1-x86_64.pkg.tar.xz是从linux org下下载下来的。要与tensorflow版本对应，不是下载deb格式。
Ubuntu安装NCCL
热门推荐
gulingfengze的博客
06-16 1万+
1.下载NCCL 官网下载地址 根据想要安装的nccl版本以及自己cuda版本选择对应下载项，以我自己安装的情况为例，选择下载：Download NCCL v2.3.7, for CUDA 10.0, Nov 8 & Dec 14, 2018 nccl下载安装分本地安装(Local installers (x86))和网络安装(Network installers (x86))， 这里我们...
nccl-repo-ubuntu1604-2.2.12-ga-cuda9.0_1-1_amd64.deb
07-24
ubuntu16.04 cuda9.0 nccl2.1.12 多GPU交互
【问题记录】如何在Centos8上把nccl_test集合通信库跑起来？(Message Passing Interface、make MPI=1 MPI_HOME=/usr/lib64/openm)
最新发布
技术札记
03-09 989
NCCL 是一个高性能的通信库，专为多 GPU 和多节点环境中的并行计算优化，支持多种集体通信操作，如 All-Reduce、All-Gather、Broadcast、Reduce 等。本文记录了如何在centos8上通过安装openmpi等工具，使用nccl_test仓库运行all_reduce的测试程序的例子，但是最终只解决了各种编译问题没有真正的跑起来，不过过程十分曲折，有些地方值得记录。还是不行，添加到环境变量中，可以看到安装了mpich和openmpi两种mpi，实际openmpi已经有了。
判断Linux环境是否装了NCCL,Ubuntu 16.04安装NCCL 2
weixin_33728774的博客
05-05 5954
NCCL是Nvidia Collective multi-GPU Communication Library的简称，它是一个实现多GPU的collective communication通信(all-gather, reduce, broadcast)库，Nvidia做了很多优化，以在PCIe、Nvlink、InfiniBand上实现较高的通信速度。本文介绍如何在Ubuntu 16.04 LTS上...
查看pytorch真正使用的nccl
强化学习曾小健
08-14 2078
查看pytorch真正使用的nccl。
目标检测+PaddleDetection+rt-detr运行代码
06-28
这个压缩包文件“PaddleDetection-develop”包含了使用PaddleDetection实现rt-detr模型的相关代码和配置，rt-detr是一种实时的、轻量级的目标检测方法，特别适合于资源有限的设备。 PaddleDetection框架提供了多种...
nccl_2.4.8-1+cuda10.0_x86_64.txz
09-17
当使用paddle多GPU时报错，缺少NCCL，将文件解压后cp include/nccl.h /home/myname/cuda/include/ cp /lib/libnccl* /home/myname/cuda/lib64/ 即可。
python基于paddle框架+ResNet残差网络的蝴蝶种类识别和分类项目源码（高分项目）.zip
05-09
python基于paddle框架+ResNet残差网络的蝴蝶种类识别和分类项目源码（高分项目）.zip已获导师指导并通过的97分的高分大作业设计项目，可作为课程设计和期末大作业，下载即用无需修改，项目完整确保可以运行。...
行人跟踪-基于PaddleDetection+SwinTransformer+DogeNet实现的行人检测+跟踪-附详细流程原理
10-16
本文将介绍如何结合PaddleDetection、SwinTransformer和DogeNet技术实现高效的行人检测与跟踪系统，并提供详尽的流程原理及项目源码，旨在帮助开发者深入理解和实践这一先进技术。 首先，PaddleDetection是基于飞桨...
NCCL是Nvidia Collective multi-GPU Communication Library的简称
08-02
NCCL是Nvidia Collective multi-GPU Communication Library的简称，它是一个实现多GPU的collective communication通信（all-gather, reduce, broadcast）库，Nvidia做了很多优化，以在PCIe、Nvlink、InfiniBand上实现较高的通信速度。
nccl版本与pytorch不匹配
jiangxinyi520的博客
05-11 2261
遇到报错：RuntimeError: NCCL error in: /pytorch/torch/lib/c10d/../c10d/NCCLUtils.hpp:94, invalid argument, NCCL version 2.7.8。经查看，torch版本是10.2，nccl版本为2.4.2，而当前版本下所需的nccl为2.7.8。经搜索，nccl2.4.2匹配的torch版本为1.6.0，所以下载1.6.0版本的pytorch。经搜索，时nccl版本与pytorch版本不匹配导致。
查看linux的版本信息
mmdev
04-12 209
命令： uname -a
查看paddle版本的方法
Frank_BC的博客
12-27 1万+
首先在terminal中输入python 然后输入 import paddle print(paddle.__version__)
查看 linux 版本
JaxWan的博客
07-02 1225
lsb_release -a
查看linux版本信息
wenmin_shu的专栏
10-01 390
1. linux 怎么查看版本信息   *server123(aaa)> lsb_release -a  LSB Version: :core-4.1-amd64:core-4.1-ia32:core-4.1-noarch:cxx-4.1-amd64:cxx-4.1-ia32:cxx-4.1-noarch:desktop-4.1-amd64:desktop-4.1-ia32:deskt...
查看 Linux 版本信息
纠缠AI的亮子
10-13 893
hostnamectl # hostnamectl Static hostname: VM_0_5_centos Icon name: computer-vm Chassis: vm Machine ID: f9d400c5e1e8c3a8209e990d887d4ac1 Boot ID: 80e70d399f5...
paddlepaddle-gpu 版本安装选择和测试
weixin_52492249的博客
11-19 7039
paddlepaddle-gpu 版本安装选择和测试，选择不超过自己cuda版本的最高版本安装，推荐使用conda命令。
paddle oCRc++部署
01-16
### PaddleOCR C++ 部署指南 #### 准备工作 为了成功部署PaddleOCR，在C++环境中需先安装必要的依赖库。这包括但不限于Paddle Inference Library以及OpenCV等图像处理库[^1]。 #### 加载模型 对于视觉识别任务，采用`vit_base_patch16_clip_224.openai`作为视觉编码器是一个不错的选择。此预训练模型能够提供强大的特征提取能力，有助于提高文字检测与识别精度。加载该模型时需要注意版本兼容性问题，确保所使用的Paddle Inference Library支持这一特定架构的推理操作。 ```cpp // 初始化配置文件路径 std::string model_dir = "path/to/vit_base_patch16_clip_224"; paddle_infer::Config config; config.SetModel(model_dir); ``` #### 构建预测引擎 创建并优化预测引擎实例，设置线程数及其他性能参数来适应具体应用场景的需求。考虑到实际应用中的实时性要求，合理调整这些选项可以有效提升整体效率。 ```cpp // 创建默认分析器 auto predictor = paddle_infer::CreatePredictor(config); // 设置CPU线程数量 predictor->GetTensorRtEngine()->Set shapes({input_shape}); predictor->CollectShapeRangeInfo("shape_range_info.pbtxt"); ``` #### 数据前处理 输入数据通常需要经过一系列变换才能被送入网络中进行计算。针对OCR任务而言，主要包括尺寸缩放、颜色空间转换及标准化处理等内容。利用OpenCV完成上述步骤既方便又高效。 ```cpp cv::Mat img = cv::imread(image_path); // 读取图片 cv::resize(img, img, cv::Size(224, 224)); // 调整大小至224x224像素 img.convertTo(img, CV_32FC3, 1 / 255.0f); // 归一化到[0,1] // 将BGR转RGB格式 cvtColor(img, img, COLOR_BGR2RGB); ``` #### 执行推断过程 准备好一切之后就可以调用API执行具体的推理流程了。这里假设已经完成了从摄像头获取帧的操作，并将其转化为适合喂给神经网络的形式。 ```cpp // 获取输入张量指针 auto input_names = predictor->GetInputNames(); auto input_tensor = predictor->GetInputHandle(input_names[0]); // 填充输入数据 float* input_data = static_cast<float*>(malloc(sizeof(float)*h*w*c)); memcpy(input_data, img.ptr(), sizeof(float)*h*w*c); input_tensor->Reshape({batch_size, c, h, w}); input_tensor->CopyFromCpu(input_data); // 运行预测 predictor->Run(); free(input_data); ``` #### 后处理结果解析 最后一步是从输出层取出分类得分或其他形式的结果信息，并进一步加工成易于理解的文字描述或者其他可视化表达方式。 ```cpp // 处理输出 auto output_names = predictor->GetOutputNames(); for (size_t i = 0; i < output_names.size(); ++i){ auto output_tensor = predictor->GetOutputHandle(output_names[i]); std::vector<int> shape = output_tensor->shape(); float *output_data = output_tensor->data<float>(); } ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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