Window on arm上编译pytorch

已于 2024-10-30 09:54:02 修改
阅读量285 收藏 2
点赞数 2
CC 4.0 BY-SA版权
分类专栏： Windows on arm开发 文章标签： arm开发 pytorch 人工智能
于 2024-10-29 20:21:48 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/lpcarl/article/details/143187734

Windows on ARM编译pytorch


pip无法安装，想自己编译，并且有错误的都可以看这篇

1、下载pytorch源码

git clone --recursive https://github.com/pytorch/pytorch.git
cd pytorch
git submodule sync
git submodule update --init --recursive --jobs 0

2、创建编译文件夹

通过设置配置或者修改cmakelists的配置来关闭一些不支持的功能
在目录中打开cmd

set SLEEF_ARCH_AARCH64=
了解本专栏 订阅专栏 解锁全文
Numcpp编译与使用
juluwangriyue的博客
01-20 2069
Numcpp编译与使用1、Numcpp2、测试程序 1、Numcpp 假如你很“不幸”是一名从事机器学习开发的C++程序员，一定很羡慕Python，因为很多热门的软件包都是专门为Python开发。C++程序员只能看着眼馋，甚至包括最热门的NumPy也无法使用。 这就是C++版本的NumPy，名为NumCpp，是一位叫David Pilger的程序员开发的。从此用#include也能导入头文件，就像Python程序员用import一样容易。 二者除了语法上的差异，调用函数的名称也几乎一致。就算有什么不懂，你也
ARM Ethos-N NPU 架构剖析与 Android 中的部署路径：从 IP 核集成到端侧模型推理实战
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
05-26 1829
ARM Ethos-N 系列 NPU（Neural Processing Unit）作为针对边缘 AI 任务推出的专用神经网络加速器，已广泛应用于各类搭载 Cortex-A 系列 CPU 的 SoC 芯片中。自 Ethos-N77/N57/N37 等主力产品线推出以来，ARM 提供了一套完整的推理加速链路，从 IP 核硬件结构、软件 SDK 到 Android NNAPI 支持，形成了从 SoC 级集成到应用端部署的闭环生态。本文基于 2025 年最新发布的 ARM 官方技术资料与主流芯片厂商的实际部署案例
在windows环境下编译pytorch源码
qwesh157的博客
10-24 2457
本文记录一下自己在windows环境下编译pytorch源码所经过程和踩过的坑。
【亲测免费】 在ARM64架构上轻松运行PyTorch：专为Python 3.8定制
gitblog_09804的博客
10-22 1576
在ARM64架构上轻松运行PyTorch：专为Python 3.8定制 【下载地址】适用于Python3.8版本的PyTorchARM64架构 本仓库提供了专为Python 3.8环境设计的PyTorch库编译版本，特别适配于ARM64（也称为AArch64）架构的系统。这包括但不限于树莓派、Jetson系列开发板或一些...
python arm64_PyTorch-aarch64
weixin_35657612的博客
03-01 2454
PyTorch源码编译步骤：1、源码编译环境：操作系统：debian 9.12交换空间：1GPython版本：3.5硬件：CPU：RK3399(aarch64)内存：4G2、下载依赖包：下载pytorch及其依赖包时，默认从github上下载，如果网络不好、容易断开时，可在gitee上找到对应包克隆链接，然后修改对应配置文件，进行下载。需要细致耐心。3、编译主要参数：设置最大作业数：export ...
在ARM架构下CentOS9部署CUDA与pytorch
m0_53905657的博客
10-02 3191
在ARM架构下部署CUDA与pytorch有许多坑，要多研究多想，找官方文档。本人在课程中需要服务器进行训练，由于学校给的所里服务器为单卡V100，课程300人共用，时常抢不到算力。为了能独占一个显卡，自己搭设了一台单卡A100服务器，用于训练。但是搭设的设备为ARM架构，并不是x86架构，并没有现成的pytorch可以用，（其实有，但是不能使用CUDA计算），以下使用官方镜像，最后成功部署。系统终端输入uname --all，可以看到系统架构。本人使用的是aarch64，发行版为CentOS9。
pytorch arm架构 cuda
weixin_35988836的博客
09-05 976
在ARM架构上实现PyTorch和CUDA的指导 随着深度学习的快速发展，PyTorch成为了越来越多开发者和研究者的首选框架。然而，当我们在ARM架构上运行PyTorch并使用CUDA时，事情会变得复杂一些。以下是整套流程以及每一步的详细说明。 整体流程 以下是实现PyTorch在ARM架构上使用CUDA的步骤： ...
Ubuntu 16.04上源码编译和安装pytorch教程，并编写C Demo CMakeLists.txt
KeZunLin's blog
11-28 2231
本文首发于个人博客https://kezunlin.me/post/54e7a3d8/，欢迎阅读最新内容！ tutorial to compile and use pytorch on ubuntu 16.04 PyTorch for Python install pytorch from anaconda conda info --envs conda activate py...
2024 最新PyTorch源码编译流程和踩坑记录，PyTorch build from source
u013250861的博客
06-01 3133
然后执行，其中MAX_JOBS是并行编译，如果你机器性能不好，建议设置为1，不然可能编译到最后的时候，容易爆内存，然后重新来过.....我的环境是16G内存，CPU是13th Gen Intel(R) Core(TM) i9-13900H，基本上设置MAX_JOBS=4差不多能把内存占满。通过下面的命令下载Pytorch以及所需要的第三方插件，但这个过程会反复失败，问题就是github是境外的原因，即使挂了梯子，依然会反复失败，只能看运气下载成功，因为所有文件大小差不多1~2G，所以全看你的网络情况。
在Arm/Linux下安装python的pytorch库
IT探险者-returningprodigal
08-10 3467
在Arm/Linux下安装python的pytorch库，更新pip库
torch-1.4.0a0+d32aec5-cp37-cp37m-linux_armv7l.whl.tar
12-24
根据pytorch编译所得armv7l安装包python3.7可用torch-1.4.0a0+d32aec5-cp37-cp37m-linux_armv7l.whl.tar
交叉编译pytorch的aarch64版本
GGGddw的博客
11-27 3572
交叉编译pytorch的arm64版本
ubuntu16.04-arm版 下载pytorch
weixin_46969696的博客
06-24 2245
要在华为的atlas 200dk上配置一下深度学习的推理环境。 网上编译好的包不能直接用，要重新开始编译。 下载pytorch 对系统进行更新 1.sudo apt update && sudo apt upgrade 创建python的虚拟环境，因为这个架构还不支持conda，所以要用venv创建虚拟环境。 2.python3 -m venv pytorch 如果是指定版本的，将python3改为python3.6,python3.7即可。但是要先执行如下代码。 3.sudo apt-ge
一步一步教你怎么编译GNU ARM GCC 交叉编译器 arm-none-eabi-gcc
热门推荐
Alan0521的专栏
08-13 1万+
首先，对于编译器这东西，我一向认为很高深，当然现在还是这么认为，呵，所以呢,一般都是用别人编译好的现成的编译好版本。可是最近因为要在windows下面编译u-boot的原因，因为找不到合适的arm编译器，故只能自己编译一个了。下面就是整个的编译过程，一步步来吧。 在开始之前，还要说明一点，这里所编译的gnu arm gcc 编译器，运行时是依赖于cygwin的，而且这也是我所需要的，至于为什
Qt添加自定义控件 一直添加不了 没有出现在工具栏的原因
m0_37135980的博客
11-20 1792
一直不对还以为是我代码有问题: Qt Creator中编译项目使用的是MinGW/g++编译器，而Qt提供的Qt Creator本身是由MSVC2015编译的，所以Qt Creator中编译的插件无法在Qt Creator中使用，下面是我安装的Qt Creator 为了在Qt Creator中使用自定义插件，有两种方法，一种是也使用和Qt Creator版本相同的MSVC编译器编译插件，另一种就是使用MinGW重新编译Qt Creator 需要下载MSVC2015工具链。 使用M..
Kylin v10操作系统+ARM处理器+nvidia T4显卡编译GPU版本pytorch
zxw的博客
05-24 1988
ARM架构GPU 版本pytorch成功编译
在树莓派上编译安装pytorch
zhouxzh123的博客
03-18 8221
在树莓派上安装最新版的pytorch不是一件容易的事情，因为pip只提供了一个旧版本的pytorch。 通过pip搜索torch pip search torch 我们可以发现有如下两个树莓派的版本 rpi3.torch (0.1.0) torch-raspi (0.4.0) 这两个版本，一个是0.1.0， 另外一个是0.4.0，都是比较老的版本。 目前pytorchv1.0.1已经出来，还整...
Flutter 与开源鸿蒙（OpenHarmony）插件生态建设与社区贡献指南：从使用者到共建者
最新发布
2501_94551709的博客
12-19 924
Flutter 与开源鸿蒙（OpenHarmony）插件生态建设与社区贡献指南：从使用者到共建者
交叉编译pytorch
09-20
交叉编译 PyTorch 是一项复杂的任务，通常用于在一种架构（如 x86）上为另一种架构（如 ARM）构建 PyTorch 库。这在嵌入式系统、边缘计算或特定硬件平台上部署 PyTorch 模型时非常有用。 --- ### 🧩 一、交叉编译 PyTorch 的主要步骤 #### 1. **准备交叉编译环境** 你需要一个支持目标平台的交叉编译工具链。例如： - ARM：使用 `arm-linux-gnueabi-gcc` 或 `aarch64-linux-gnu-gcc` - RISC-V：使用 `riscv64-unknown-linux-gnu-gcc` 安装交叉编译工具链（以 ARM 为例）： ```bash sudo apt-get install gcc-arm-linux-gnueabi ``` #### 2. **设置交叉编译配置** 你需要为 CMake 指定交叉编译工具链文件（toolchain file），例如： ```cmake # toolchain-arm.cmake set(CMAKE_SYSTEM_NAME Linux) set(CMAKE_SYSTEM_PROCESSOR arm) set(CMAKE_C_COMPILER arm-linux-gnueabi-gcc) set(CMAKE_CXX_COMPILER arm-linux-gnueabi-g++) set(CMAKE_FIND_ROOT_PATH_MODE_PROGRAM NEVER) set(CMAKE_FIND_ROOT_PATH_MODE_LIBRARY ONLY) set(CMAKE_FIND_ROOT_PATH_MODE_INCLUDE ONLY) set(CMAKE_FIND_ROOT_PATH_MODE_PACKAGE ONLY) ``` #### 3. **获取 PyTorch 源码** ```bash git clone https://github.com/pytorch/pytorch.git cd pytorch git submodule update --init --recursive ``` #### 4. **配置并构建** ```bash mkdir build && cd build cmake -DCMAKE_TOOLCHAIN_FILE=../toolchain-arm.cmake .. make -j$(nproc) ``` > ⚠️ 注意：PyTorch 依赖项较多（如 BLAS、OpenMP、CUDA 等），需要确保目标平台支持这些依赖。 --- ### 🧱 二、交叉编译的注意事项 1. **依赖项管理** - 所有依赖库（如 protobuf、eigen、openblas）也需要交叉编译。 - 推荐使用 `conan` 或 `vcpkg` 等包管理器简化依赖管理。 2. **禁用不需要的模块** 如果你只需要 PyTorch 的推理功能，可以关闭训练相关模块： ```bash cmake -DUSE_CUDA=OFF -DUSE_DISTRIBUTED=OFF -DBUILD_TEST=OFF ... ``` 3. **使用 Docker 或虚拟机** 为了确保环境一致性，推荐使用 Docker 容器进行交叉编译： ```dockerfile FROM arm32v7/ubuntu:20.04 RUN apt-get update && apt-get install -y build-essential cmake ... ``` 4. **PyTorch Lite** 如果目标平台资源受限，可以考虑使用 [PyTorch Lite](https://pytorch.org/blog/introducing-pytorch-lite/)，它是一个轻量级的 PyTorch 子集，更适合嵌入式部署。 --- ### 🧪 三、验证交叉编译结果 1. **在目标平台运行测试** 将编译好的库文件（如 `libtorch.so`）拷贝到目标设备上，运行简单的 PyTorch 推理测试： ```python import torch x = torch.randn(1, 3, 224, 224) print(x.device) ``` 2. **使用 C++ 示例验证** 编译 `libtorch` 后，可以使用 C++ 示例测试： ```cpp #include <torch/torch.h> int main() { torch::Tensor tensor = torch::rand({2, 3}); std::cout << tensor << std::endl; return 0; } ``` --- ### 🧰 四、替代方案（更简单） 如果你只是需要在目标平台运行 PyTorch 模型，而不一定非要交叉编译整个 PyTorch： - 使用 **TorchScript** 导出模型（`.pt` 文件），然后在目标平台加载： ```python script_model = torch.jit.script(model) torch.jit.save(script_model, "model.pt") ``` - 在目标平台使用 **PyTorch 官方预编译 wheel**（如果支持）： ```bash pip install torch --index-url https://download.pytorch.org/whl/cpu ``` --- ### 📚 五、参考资料 - PyTorch 官方文档：https://pytorch.org/docs/stable/index.html - PyTorch GitHub 仓库：https://github.com/pytorch/pytorch - CMake 交叉编译指南：https://cmake.org/cmake/help/latest/manual/cmake-toolchains.7.html ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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