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。