【HNU-CSEE jetson nano 第四节】部署torch环境框架以及torchvision

最新推荐文章于 2024-07-18 16:32:29 发布

原创

最新推荐文章于 2024-07-18 16:32:29 发布 · 1.1k 阅读

23 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #ubuntu #深度学习

本文档详述如何在Jetson Nano上配置CUDA环境变量，安装匹配版本的PyTorch和Torchvision。过程中会遇到依赖库缺失的问题，需要从指定网站下载并安装相应库文件，包括libmpi_cxx.so.20等。通过解决各种编译错误，最终成功部署PyTorch和Torchvision，完成环境构建。

前言
pytorch是由facebook公司推出的计算框架，torchvision则是基于torch的计算机视觉计算框架，所以，我们接下来在搭建torch环境的时候需要注意torch版本。
正文
1、升级pip3
参考文章：pip3在Ubuntu下的安装、升级、卸载

打开终端，先安装pip3工具试一下，如果系统没有安装好的pip3，则在此指令下即可安装好最新的pip3：

sudo apt-get install python3-pip

在这里插入图片描述
如果你的系统提示，已经有安装好的pip3，则执行如下pip3升级指令

sudo pip3 install --upgrade pip

2、配置CUDA 的环境变量
CUDA 在jetpack中已经有自带的，但需要你手动将CUDA文件路径添加到环境变量中，添加方式如下，第一步，属于指令如下：

sudo gedit ~/.bashrc

即可打开.bashrc配置文件
在这里插入图片描述

在文件末尾加入如下代码

export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda/bin:$PATH

再执行以下指令让环境变量生效

source ~/.bashrc

而后再输入

nvcc -V

在这里插入图片描述
如果能如图所示，看到cuda版本参数，即可认为环境变量参数修改成功！

3、安装torch
！！！这里注意！！！torch和jetpack

最低0.47元/天解锁文章

【HNU-CSEE jetson nano 第四节】部署torch环境框架以及torchvision

2 条评论