Ubuntu18.04下编译安装torchvision

本文详细介绍了如何在CUDA环境下编译并安装TorchVision。首先下载CUDA和CUDNN相应版本,然后创建torchvision文件夹并进行编译。在编译过程中,需注意避免使用GitHub官方教程的部分命令,以免出现错误。接着,解决CUDNN安装的依赖问题,按照特定顺序安装deb包。最后,通过cmake配置编译路径,并执行`make`与`make install`完成安装。文章还提供了相关资源链接和编译时的环境变量设置示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

NMS

在这里插入图片描述

一、下载源码包

NVIDIA 各种cuda下载包
NVIDIA官方DOC
torchvison官网地址

在这里插入图片描述
本次调用是CUDA,所以下载的的是0.8.1版本

二、编译

新建torchvision文件夹,用来存放最终的安装文件(将来调用是用的include和lib)在这里插入图片描述

mkdir build
cd build

进入build文件夹后打开终端,开始进行编译(这里注意下:不要按照GitHub官方的教程来编译,那个教程的有些命令参数暂时不是很全,会报错的!)首先我们输入如下命令(注意把相关的路径修改为自己的路径):

cmake -DCMAKE_PREFIX_PATH=/XX/libtorch -DCMAKE_INSTALL_PREFIX=/XX/torchvision -DCMAKE_BUILD_TYPE=Release ..

cuda版本

 cmake -DCMAKE_PREFIX_PATH=/XX/libtorch/  -DCMAKE_INSTALL_PREFIX=/XX/torchvsion -DCMAKE_BUILD_TYPE=Release -DWITH_CUDA=ON ..

-DCMAKE_PREFIX_PATH必须设置,因为torchvision编译时会依赖LibTorch里面的相关文件。

cudnn find失败

在这里插入图片描述

在这里插入图片描述
由于电脑是cuda10.1,故下载的是以上版本。

安装sudo dpkg -i XX.deb进行安装(安装1,2顺序安装)。


安装CUDNN时,有三个安装包要安装,必须先安装libcudnn8_8.0.5.39-1+cuda10.1_amd64.deb,然后才能安装另外两个,不然就会出现以下问题:
dpkg: dependency problems prevent configuration of libcudnn8-dev:
libcudnn8-dev depends on libcudnn8 (= 8.0.5.39-1+cuda10.1); however:
Package libcudnn8 is not installed.

dpkg: error processing package libcudnn8-dev (–install):
dependency problems - leaving unconfigured
Errors were encountered while processing:
libcudnn8-dev

解决方法:
先安装libcudnn8_8.0.5.39-1+cuda10.1_amd64.deb

编译torchvison

make

在这里插入图片描述

make install#安装到(上述cmake指定路径)

在这里插入图片描述

使用

  • cmake使用
set(CMAKE_PREFIX_PATH "/usr/local/lib;/home/wsx/LibTorch/libtorch150cpu/libtorch;/home/wsx/LibTorch/libtorch150cpu/torchvision060/torchvision")

find_package(TorchVision REQUIRED)

target_link_libraries(app PUBLIC ${TORCH_LIBRARIES} ${OpenCV_LIBS} TorchVision::TorchVision)

  • makefile
					-I/XX/torchvsion/include/ \

然后就可以在源代码中开心的加入 #include “torchvision/csrc/nms.h”

参考文章

  • https://blog.youkuaiyun.com/Flag_ing/article/details/109708155
  • https://blog.youkuaiyun.com/qq_41750952/article/details/111573098
  • https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-linux
### 安装 PyTorch Geometric (pyG) 库 为了在 Ubuntu 18.04 上成功安装 PyTorch Geometric (pyG),可以按照以下方法操作: #### 准备工作 确保系统已更新至最新状态并安装必要的依赖项: ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential cmake git libopenblas-dev liblapack-dev python3-pip python3-setuptools python3-wheel ``` #### 步骤一:安装 `pytest-runner` 和基础工具 首先需要安装 `pytest-runner` 工具来辅助构建和测试环境[^1]。运行以下命令完成安装: ```bash pip install pytest-runner ``` #### 步骤二:安装 CUDA 支持(可选) 如果计划使用 GPU 加速,则需安装对应版本的 CUDA 及其驱动程序。对于 Ubuntu 18.04 推荐使用的 CUDA 版本为 10.2 或更高版本[^2]。 可以通过 NVIDIA 的官方文档下载适合系统的 CUDA 套件,或者通过 APT 软件包管理器快速配置: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get install -y cuda-10-2 ``` 完成后重启计算机以加载新的显卡驱动。 #### 步骤三:安装 PyTorch 根据目标硬件条件选择合适的 PyTorch 安装方式。以下是针对 CPU 和 GPU 不同场景下的推荐方案[^4]: ##### 对于仅含 CPU 的设备 执行下面这条命令即可获取纯 CPU 版本的支持: ```bash pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu ``` ##### 如果有支持 CUDA 的 GPU 设备 则应指定兼容的具体 CUDA 编号进行安装。例如选用最新的 PyTorch 2.1.* 结合 CUDA 11.8 组合时采用此法[^3]: ```bash pip install torch==2.1.0+cu118 torchvision==0.16.0+cu118 torchaudio==2.1.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 注意替换上述 URL 中的版本参数匹配实际需求。 #### 步骤四:安装 PyTorch Geometric 最后一步就是引入核心组件——PyTorch Geometric 自身及其附属模块。建议从官方仓库地址拉取预编译好的 WHL 文件实现无缝衔接: ```bash pip install torch_geometric pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-2.1.0+cu118.html ``` 这里同样要调整链接中的 Torch/CUDA 标签适应先前选定的基础框架组合。 验证安装成果可通过克隆项目示例代码库并尝试运行其中任一样例脚本来确认一切正常运作: ```bash git clone https://github.com/pyg-team/pytorch_geometric.git cd pytorch_geometric/examples/ python gcn.py ``` 以上即完成了整个流程描述。 ---
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