ISBnet环境配置

部署运行你感兴趣的模型镜像

腾讯元宝 - 轻松工作 多点生活

一、安装Miniconda

(base) dou@dou-System-Product-Name:~$ conda --version
conda 23.1.0

conda activate isbnet  # 确保已激活 isbnet 环境
python --version       # 应显示 Python 3.7.x
conda list             # 检查当前环境已安装的包

​二、安装 PyTorch 和 CUDA 工具包​

conda install pytorch==1.12.1 torchvision==0.13.1 cudatoolkit=11.3 -c pytorch

​验证 PyTorch + CUDA 是否可用​​:

python -c "import torch; print(f'PyTorch版本: {torch.__version__}, CUDA可用: {torch.cuda.is_available()}')"

如果输出 CUDA可用: True,则说明安装成功。

三、安装cudnn

四、接着github过程继续

ISBNet/docs/INSTALL.md at master · VinAIResearch/ISBNet

此时出现如下错误

1. 完成编译安装​

# 在build目录下执行
make -j$(nproc) && sudo make install

# 验证核心功能(忽略numba报错)
python -c "from segmentator import __version__; print('编译成功,版本:', __version__)" 2>/dev/null || echo "需安装numba"

​2. 解决numba依赖问题​

# 安装指定版本的numba(兼容Python 3.7和CUDA 11.3)
conda install numba=0.55.1 -c conda-forge

# 或者使用pip安装
pip install numba==0.55.1 llvmlite==0.38.0

我安装好了numba,验证一下:

验证numba安装​

python -c "import numba; print(f'numba版本: {numba.__version__}')"

重新测试Segmentator导入​​

python -c "from segmentator import __version__; print(f'Segmentator版本: {__version__}')"

这时候又出现

根据错误信息,Segmentator模块已安装但缺少__version__属性。这是常见问题

然后手动添加版本信息

# 编辑segmentator的__init__.py
SEGMENTATOR_PATH=$(python -c "import segmentator; print(segmentator.__file__)")
echo "__version__ = '1.0.0'" >> ${SEGMENTATOR_PATH%/*}/__init__.py

# 验证
python -c "from segmentator import __version__; print(__version__)"


​3. 关键路径验证​

# 检查模块安装位置
ls -l $CONDA_PREFIX/lib/python3.7/site-packages/segmentator*

# 检查动态库链接
ldd $CONDA_PREFIX/lib/python3.7/site-packages/segmentator/libsegmentator.so | grep cudnn

检查动态库链接时,又显示

然后手动复制动态库

# 从build目录复制到conda环境
sudo cp ~/segmentator/csrc/build/libsegmentator.so $CONDA_PREFIX/lib/python3.7/site-packages/segmentator/

# 验证
ls -l $CONDA_PREFIX/lib/python3.7/site-packages/segmentator/libsegmentator.so

 后面有什么权限问题,再问ai吧

上面的问题解决之后,再继续下面这两步

然后把在github下载的项目放到主文件夹下,并重命名为ISBNet,接着下面的步骤

显示g++版本太高了,ai解决后继续

pip3 install <.whl>

这一句是要到文件夹内找你自己的.whl文件名pointnet2-0.0.0-cp37-cp37m-linux_x86_64.whl,然后替换

pip install pointnet2-0.0.0-cp37-cp37m-linux_x86_64.whl

接下来最后一步

接下来就可以跑数据了

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

物联网通信协议测试是保障各类设备间实现可靠数据交互的核心环节。在众多适用于物联网的通信协议中,MQTT(消息队列遥测传输)以其设计简洁与低能耗的优势,获得了广泛应用。为确保MQTT客户端与服务端的实现严格遵循既定标准,并具备良好的互操作性,实施系统化的测试验证至关重要。 为此,采用TTCN-3(树表结合表示法第3版)这一国际标准化测试语言构建的自动化测试框架被引入。该语言擅长表达复杂的测试逻辑与数据结构,同时保持了代码的清晰度与可维护性。基于此框架开发的MQTT协议一致性验证套件,旨在自动化地检验MQTT实现是否完全符合协议规范,并验证其与Eclipse基金会及欧洲电信标准化协会(ETSI)所发布的相关标准的兼容性。这两个组织在物联网通信领域具有广泛影响力,其标准常被视为行业重要参考。 MQTT协议本身存在多个迭代版本,例如3.1、3.1.1以及功能更为丰富的5.0版。一套完备的测试工具必须能够覆盖对这些不同版本的验证,以确保基于各版本开发的设备与应用均能满足一致的质量与可靠性要求,这对于物联网生态的长期稳定运行具有基础性意义。 本资源包内包含核心测试框架文件、一份概述性介绍文档以及一份附加资源文档。这些材料共同提供了关于测试套件功能、应用方法及可能包含的扩展工具或示例的详细信息,旨在协助用户快速理解并部署该测试解决方案。 综上所述,一个基于TTCN-3的高效自动化测试框架,为执行全面、标准的MQTT协议一致性验证提供了理想的技术路径。通过此类专业测试套件,开发人员能够有效确保其MQTT实现的规范符合性与系统兼容性,从而为构建稳定、安全的物联网通信环境奠定坚实基础。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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
 条评论被折叠 查看
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