目录

  • 一、拉取Ubuntu 18.04 docker镜像
  • 二、查看已有镜像
  • 三、基于镜像创建容器
    • 1. 创建容器
    • 2. 退出容器
    • 3. 查看容器
    • 4. 启动容器
    • 5. 进入容器
    • 6. 更新容器内部软件源
  • 四、安装CANN包
    • 1. 安装基础依赖环境
    • 2. 安装并配置python 3.7.5
      • 配置环境变量
      • 安装vim
      • 添加
      • 使环境变量生效
      • 检查python版本
      • 修改pip源
      • 升级pip
    • 3. 安装CANN包相关依赖
    • 4. 安装CANN软件包
  • 五、配置交叉编译环境
  • 六、安装pytorch模型压缩量化工具
    • 1. 安装基础依赖
    • 2. 安装
  • 七、SSH配置

一、拉取Ubuntu 18.04 docker镜像

docker pull docker.xuanyuan.me/ubuntu:18.04

二、查看已有镜像

docker images

三、基于镜像创建容器

1. 创建容器

sudo docker run -it -p 50004:22 -v /home/lenovo/docker_share/020/:/mnt/share docker.xuanyuan.me/ubuntu:18.04

2. 退出容器

exit

3. 查看容器

docker ps -a

4. 启动容器

docker start a79692a08ab4

5. 进入容器

docker exec -it a79692a08ab4 /bin/bash

6. 更新容器内部软件源

apt-get update

在这里插入图片描述

四、安装CANN包

1. 安装基础依赖环境

apt-get install -y gcc g++ cmake make unzip build-essential zlib1g-dev libbz2-dev libsqlite3-dev libssl-dev libxslt1-dev libffi-dev zlib1g openssl libncurses5-dev libncursesw5-dev gnome-keyring pciutils net-tools

在这里插入图片描述
在这里插入图片描述

2. 安装并配置python 3.7.5

apt-get install wget

在这里插入图片描述

wget https://www.python.org/ftp/python/3.7.5/Python-3.7.5.tgz

在这里插入图片描述

tar xf Python-3.7.5.tgz
cd Python-3.7.5

在这里插入图片描述

./configure --prefix=/usr/local/python3.7.5 --enable-loadable-sqlite-extensions --enable-shared

在这里插入图片描述
在这里插入图片描述

make -j12

在这里插入图片描述
在这里插入图片描述

make install

在这里插入图片描述
在这里插入图片描述

ln -s /usr/local/python3.7.5/bin/python3 /usr/local/python3.7.5/bin/python3.7.5](https://i-blog.csdnimg.cn/direct/97d5cfd9ec3d441993581561b5c0c350.png)

在这里插入图片描述

ln -s /usr/local/python3.7.5/bin/pip3 /usr/local/python3.7.5/bin/pip3.7.5

在这里插入图片描述

ln -s /usr/local/python3.7.5/bin/python3 /usr/bin/python

在这里插入图片描述

ln -s /usr/local/python3.7.5/bin/pip3 /usr/bin/pip

在这里插入图片描述

配置环境变量

安装vim

apt-get install vim
vim /etc/profile

添加

export LD_LIBRARY_PATH=/usr/local/python3.7.5/lib:$LD_LIBRARY_PATH
export PATH=/usr/local/python3.7.5/bin:$PATH

在这里插入图片描述

使环境变量生效

source /etc/profile

在这里插入图片描述

检查python版本

python3.7.5 --version
pip3.7.5 --version
python3.7 --version
pip3.7 --version

在这里插入图片描述

修改pip源

mkdir ~/.pip

在这里插入图片描述

touch ~/.pip/pip.conf

在这里插入图片描述

vim ~/.pip/pip.conf

添加

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host=mirrors.aliyun.com

在这里插入图片描述

升级pip

pip3 install --upgrade pip

在这里插入图片描述

3. 安装CANN包相关依赖

pip install --no-binary=protobuf protobuf

在这里插入图片描述

pip3.7.5 install psutil==5.7.0

在这里插入图片描述

pip3.7.5 install numpy==1.14.6

在这里插入图片描述

pip3.7.5 install scipy==1.4.1

在这里插入图片描述

pip3.7.5 install decorator==4.4.0

在这里插入图片描述

pip3.7.5 install sympy==1.5.1

在这里插入图片描述

pip3.7.5 install cffi==1.12.3

在这里插入图片描述

pip3.7.5 install pyyaml

在这里插入图片描述

pip3.7.5 install pathlib2

在这里插入图片描述

4. 安装CANN软件包

创建一个临时文件夹

cd ..
mkdir tools
cd tools

在这里插入图片描述
容器外linux宿主机执行,拷贝你的CANN包到容器内

cd /home/xxx/xxx/SVP_PC/SVP_NNN_PC_V3.0.2.9/MindStudio/
docker cp Ascend-cann-toolkit_6.10.t03spc011b090_linux.x86_64.run a79692a08ab4:/tools

再次进入容器内tools文件夹

docker exec -it a79692a08ab4 /bin/bash
cd /xxx/tools

赋予可执行权限

chmod +x Ascend-cann-toolkit_6.10.t03spc011b090_linux.x86_64.run

在这里插入图片描述
检查CANN包

./Ascend-cann-toolkit_6.10.t03spc011b090_linux.x86_64.run --check

在这里插入图片描述

安装

./Ascend-cann-toolkit_6.10.t03spc011b090_linux.x86_64.run --install

在这里插入图片描述

vim ~/.bashrc

添加

source /usr/local/Ascend/ascend-toolkit/svp_latest/x86-linux/script/setenv.sh

在这里插入图片描述

五、配置交叉编译环境

与其说配置,不如说运行一个现成的脚本
容器外执行

cd /home/xxx/xxx/SMP_Linux_GCC_glibc/

拷贝交叉编译器压缩包到容器内临时文件夹

docker cp gcc-20240819-aarch64-v01c01-linux-gnu.tgz a79692a08ab4:/tools

容器内执行

tar xf gcc-20240819-aarch64-v01c01-linux-gnu.tgz

在这里插入图片描述

cd gcc-20240819-aarch64-v01c01-linux-gnu
./install_gcc_toolchain.sh

在这里插入图片描述

source /etc/profile

在这里插入图片描述
musl交叉编译器同样安装方式

六、安装pytorch模型压缩量化工具

1. 安装基础依赖

python3.7.5 -m pip --trusted-host=download.pytorch.org install torch==1.8.1+cpu torchvision==0.9.1+cpu torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

在这里插入图片描述

pip3.7.5 install onnx==1.6.0

在这里插入图片描述

pip3.7.5 install onnxruntime==1.8.0

在这里插入图片描述

pip3.7.5 install interval==1.0.0

在这里插入图片描述
创建一个临时文件夹

mkdir amct
cd amct

在这里插入图片描述
容器外执行

cd /home/xxx/xxx/SVP_PC/SVP_NNN_PC_V3.0.2.9/amct/amct_pytorch/
docker cp hotwheels_amct_pytorch-1.2.22+cu102-py3-none-linux_x86_64.tar.gz a79692a08ab4:/amct

2. 安装

容器内执行

pip install hotwheels_amct_pytorch-1.2.22+cu102-py3-none-linux_x86_64.tar.gz

在这里插入图片描述

七、SSH配置

apt-get install openssh-server

在这里插入图片描述
在这里插入图片描述

echo "Port 22">>/etc/ssh/sshd_config

在这里插入图片描述

echo "PermitRootLogin yes">>/etc/ssh/sshd_config

在这里插入图片描述

echo "PermitRootLogin yes">>/etc/ssh/sshd_config

在这里插入图片描述

service ssh start

在这里插入图片描述

service ssh status

在这里插入图片描述

passwd

在这里插入图片描述

systemctl enable ssh

在这里插入图片描述
后续可SSH连接容器

ssh 192.xxx.xxx:50004

至此,开发环境搭建完成,可正常进行模型转换、交叉编译等工作

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/web/94623.shtml
繁体地址,请注明出处:http://hk.pswp.cn/web/94623.shtml
英文地址,请注明出处:http://en.pswp.cn/web/94623.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

实体店转型破局之道:新零售社区商城小程序开发重构经营生态

在数字化浪潮的席卷下,实体店经营正经历着前所未有的变革与挑战。客户进店率持续走低、同行竞争白热化、经营成本不断攀升、电商平台冲击加剧……这些痛点如同达摩克利斯之剑,悬在传统实体商家的头顶。然而,危机往往与机遇并存,新…

前端-如何将前端页面输出为PDF并打包的压缩包中

需要引入的依赖:import * as utils from ../../utils/utils import html2canvas from "html2canvas"; import JSZip from "jszip"; import JSPDF from "jspdf"; import FileSaver from "file-saver"import { Loading } fro…

LabVIEW 频谱分析应用

LabVIEW 频谱分析程序广泛应用于声学、振动、电力电子等领域,用于噪声频谱分析、设备故障诊断、电能质量评估等。通过模块化 VI 组合,可快速搭建 "信号模拟 - 采集(或缓存)- 频谱分析 - 结果展示" 完整流程,…

北斗导航 | 基于MCMC粒子滤波的接收机自主完好性监测(RAIM)算法(附matlab代码)

详细阐述基于MCMC粒子滤波的接收机自主完好性监测(RAIM)算法的原理、理论和实现方法,并提供完整的MATLAB代码示例。 1. 原理与理论 1.1 接收机自主完好性监测 (RAIM) 简介 RAIM是一种完全由GPS接收机内部实现的算法,用于在不依赖外部系统的情况下,监测GPS信号的完好性(…

【机器学习】4 Gaussian models

本章目录 4 Gaussian models 97 4.1 Introduction 97 4.1.1 Notation 97 4.1.2 Basics 97 4.1.3 MLE for an MVN 99 4.1.4 Maximum entropy derivation of the Gaussian * 101 4.2 Gaussian discriminant analysis 101 4.2.1 Quadratic discriminant analysis (QDA) 102 4.2.2…

Ruoyi-Vue 静态资源权限鉴权:非登录不可访问

一. 背景 移除/profile下静态资源访问权限后,富文本等组件中的图片加载失败!!! 使用ruoyi-vue3.8.9过程中发现上传的在ruoyi.profile下的文件未登录直接使用链接就可以访问下载,感觉这样不太安全,所以想对其进行鉴权限制,修改为只…

关于窗口关闭释放内存,主窗口下的子窗口关闭释放不用等到主窗口关闭>setAttribute(Qt::WA_DeleteOnClose);而且无需手动释放

‌QWidget重写closeEvent后,点击关闭时释放内存会调用析构函数‌,但需注意内存释放的时机和方式。 关闭事件与析构函数的关系 重写closeEvent时,若在事件处理中调用deleteLater()或手动删除对象,析构函数会被触发。但需注意&#…

C# 简单工厂模式(构建简单工厂)

构建简单工厂 现在很容易给出简单工厂类。只检测逗号是否存在,然后返回其中的一个类的实例。 public class NameFactory {public NameFactory(){}public Namer getName(string name){int iname.IndexOf(",");if(i>0)return new LastFirst(name);else{r…

uniappx与uniapp的区别

uniappx与uniapp的定位差异uniappx是DCloud推出的扩展版框架,基于uniapp进行功能增强,主要面向需要更复杂原生交互或跨平台深度定制的场景。uniapp则是标准版,适用于常规的跨平台应用开发,强调开发效率和代码复用。功能扩展性unia…

vue实现拖拉拽效果,类似于禅道首页可拖拽排布展示内容(插件-Grid Layout)

vue实现拖拉拽效果(插件-Grid Layout) 这个是类似与禅道那种首页有多个指标模块,允许用户自己拼装内容的那种感觉。 实现效果 插件资料 vue3版本 如果项目是vue3 的话使用的是 Grid Layout Plus。 官网:https://grid-layout-pl…

在Excel和WPS表格中打印时加上行号和列标

在电脑中查看excel和WPS表格的工作表时,能看到行号(12345.....)和列标(ABCDE...),但是打印出来以后默认是没有行号和列标的,如果要让打印(或者转为PDF)出来以后仍能看到行…

设计模式:原型模式(Prototype Pattern)

文章目录一、原型模式的概念二、原型模式的结构三、原型注册机制四、完整示例代码一、原型模式的概念 原型模式是一种创建型设计模式, 使你能够复制已有对象, 而又无需使代码依赖它们所属的类。通过复制(克隆)已有的实例来创建新的…

Linux系统网络管理

一、网络参数配置1、图形化配置#开启 [rootlocalhost ~]# systemctl start NetworkManager #关闭 [rootlocalhost ~]# systemctl stop NetworkManager #关闭并开机不自启 [rootlocalhost ~]# systemctl disable --now NetworkManager #开启并开机自启 [rootlocalhost ~]# syste…

服务器初始化

服务器初始化文章目录服务器初始化1. 配置国内 Yum 源(加速软件安装)2. 更新系统与安装必备工具3. 网络连接验证4. 配置主机名5. 同步时间6. 配置防火墙 (两种方式)6.1 iptables整体思路详细步骤第 1 步:停止并禁用 Firewalld第 2 步&#xf…

基于YOLOv11训练无人机视角Visdrone2019数据集

【闲鱼服务】 基于YOLOv11训练无人机视角Visdrone2019数据集Visdrone2019数据集介绍数据集格式数据预处理yolov11模型训练数据分布情况可视化训练结果Visdrone2019数据集介绍 VisDrone 数据集 是由中国天津大学机器学习和数据挖掘实验室 AISKYEYE 团队创建的大规模基准。它包含…

基于Springboot 的智能化社区物业管理平台的设计与实现(代码+数据库+LW)

摘 要随着智慧社区的普及,传统的物业管理方式已经无法满足现代社区的需求。目前,很多社区管理中存在信息不畅通、工作效率低以及居民服务体验不佳等问题。为了解决这些问题,我们基于SpringBoot框架开发了一套智能化社区物业管理平台&#xf…

【深度学习新浪潮】SAM 2实战:Meta新一代视频分割模型的实时应用与Python实现

引言:从图像到视频的分割革命 上周AI领域最引人注目的计算机视觉进展,当属Meta在SAM(Segment Anything Model)基础上推出的SAM 2模型持续引发的技术热潮。尽管SAM 2最初发布于2024年,但最新更新的2.1版本(2024年9月发布)凭借其突破性的实时视频分割能力,在自动驾驶、影…

sqli-labs靶场安装与使用指导教程(3种方法:通用版、php7版、Docker版)

目录 一、SQLI-LABS靶场 1、核心特点 2、关卡难度 二、源码安装法 1、开启Web服务和数据库服务 2、靶场源码下载 (1)通用版本 (2)PHP7版本 3、部署sqli-labs靶场 (1)确认网站根目录位置 &#x…

从零开始配置前端环境及必要软件安装

从零开始配置前端环境及必要软件安装一、安装编辑器二、安装浏览器三、安装Git版本控制工具四、Node.js 和 npm 环境变量配置1. 安装 Node.js 和 npm2. 配置全局模块和缓存目录3. 设置环境变量4. 更换 npm 镜像源5. 测试配置五、hosts文件六、辅助应用markdown(笔记…

神经网络模型搭建及手写数字识别案例

代码实现:import torch print(torch.__version__) from torch import nn from torch.utils.data import DataLoader from torchvision import datasets from torchvision.transforms import ToTensor training_data datasets.MNIST(rootdata,trainTrue,downloadTru…