ubuntu pytorch gpu,ubuntu配置pytorch-gpu

　　后台环境版本项目代码结构调整Nuitka包依赖环境运行测试引用

　　背景介绍如何在Anaconda下用Nuitka封装python深度学习框架；以Yolo-FastestV2为例，记录所有打包过程，适配cuda部署到其他电脑。环境版本

　　win10——x64

　　CUDA——10.0

　　努特卡——

　　火炬——1.5.1

　　火炬视觉—— 0.6.1

　　tqdm——4.36.1

　　opencv_python——4.4.0

　　火炬摘要——1.5.1

　　数字——1.16.6

　　注意：这里的打包过程只涉及推理torch 1.5.1能正常运行。

　　代码结构调整这里，为了便于打包，YOLO-FAST测试V2项目的文件目录结构调整为如下结构：

　　目录结构调整后，需要测试代码运行；正常运行demo.py即可。Nuitka打包Nuitka常用的打包命令。最好安装mingw64。这里不介绍安装过程。它将自动下载，无需安装和打包过程。安装mingw64的忽略这步——打包过程会自动下载mingw64等依赖项，有些人可能下载不了。这里提供百度链接。链接：https://pan.baidu.com/s/13PfsvmLyNoZrWZKkKhYYMg

　　提货代码：dkdr

　　…

　　下载解压到C:\ users * * * * \ appdata \ local \ nuitka \ nuitka并覆盖。

　　包python-mnuitka-mingw 64-standalone-show-progress-show-memory-follow-import-to=need-no follow-imports。/demo.py成功打包后会生成两个文件夹：demo.dist和demo.build；只留下demo.dist依赖环境目前只支持anaconda下的基础环境。将复制程序所需的库和模型文件从目录E:\ # # \ # # \ anaconda 3 \ lib \ site-packages复制到demo.dist如果需要opencv，将cv2文件夹复制到相应的目录。

　　—如下图：红圈从anaconda复制到demo.dist绿色圆圈是与模型相关的文档，等等。

　　测试完成后，只需运行demo.exe程序测试。如果在其他电脑下使用cuda，需要相同版本的cuda来调用gpu加速。参考努特卡主页：https://nuitka.net/

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。