查看显卡信息
lspci | grep -i nvidia |
查看系统是否受支持
uname -m http: //docs .nvidia.com /cuda/cuda-installation-guide-linux/index .html #system-requirements |
验证是否有编译环境
gcc - v |
验证系统是否安装了正确的内核头文件和开发包
yum install kernel-devel-$( uname -r) kernel-headers-$( uname -r) # kernel、kernel-devel、kernel-headers版本必须保持一致 |
禁用nouveau方法
# 新建一个配置文件 vim /etc/modprobe .d /blacklist-nouveau .conf #写入以下内容 blacklist nouveau options nouveau modeset=0 # 保存并退出 :wq # 备份当前的镜像 sudo mv /boot/initramfs- $( uname -r).img /boot/initramfs- $( uname -r).img.bak #建立新的镜像 sudo dracut /boot/initramfs- $( uname -r).img $( uname -r) # 重启 sudo reboot # 最后输入上面的命令验证 lsmod | grep nouveau 没有任何信息输出,则表示已经禁用nouveau |
安装 CUDA 10.1
# 下载安装包 wget https: //developer .download.nvidia.com /compute/cuda/10 .1 /Prod/local_installers/cuda_10 .1.243_418.87.00_linux.run # 修改权限 chmod 755 cuda_10.1.243_418.87.00_linux.run # 执行安装 . /cuda_10 .1.243_418.87.00_linux.run # 验证,查看驱动信息 nvidia-smi |
安装 cuDNN 7.6.5
# 下载安装包 wget https: //developer .nvidia.com /compute/machine-learning/cudnn/secure/7 .6.5.32 /Production/10 .1_20191031 /cudnn-10 .1-linux-x64-v7.6.5.32.tgz # 解压 tar zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz # 拷贝文件 cp cuda /include/cudnn .h /usr/local/cuda/include cp cuda /lib64/libcudnn * /usr/local/cuda/lib64 # 修改权限 chmod a+r /usr/local/cuda/include/cudnn .h /usr/local/cuda/lib64/libcudnn * # 添加环境变量 vim ~/.bashrc # 添加内容如下 export CUDA_HOME= /usr/local/cuda export PATH= /usr/local/cuda/bin :$PATH export LD_LIBRARY_PATH= /usr/local/cuda/lib64 :$LD_LIBRARY_PATH export CUDA_ROOT= /usr/local/cuda # 保存退出 :wq # 使新的环境变量生效 source ~/.bashrc # 验证,查看版本信息 nvcc -V |
创建python3.7运行环境
安装miniconda
# 下载安装文件 wget https: //repo .anaconda.com /miniconda/Miniconda3-latest-Linux-x86_64 .sh # 修改权限 chmod 755 Miniconda3-latest-Linux-x86_64.sh # 执行安装 . /Miniconda3-latest-Linux-x86_64 .sh # 查看环境变量信息 vim /root/ .bashrc # 以下内容为安装minicoda时,自动写入的环境变量信息 # >>> conda initialize >>> # !! Contents within this block are managed by 'conda init' !! __conda_setup= "$('/root/miniconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)" if [ $? - eq 0 ]; then eval "$__conda_setup" else if [ -f "/root/miniconda3/etc/profile.d/conda.sh" ]; then . "/root/miniconda3/etc/profile.d/conda.sh" else export PATH= "/root/miniconda3/bin:$PATH" fi fi unset __conda_setup # <<< conda initialize <<< # 使环境变量生效 source /root/ .bashrc # 配置国内源 conda config --add channels https: //mirrors .tuna.tsinghua.edu.cn /anaconda/pkgs/free conda config --add channels https: //mirrors .tuna.tsinghua.edu.cn /anaconda/pkgs/main conda config --add channels https: //mirrors .tuna.tsinghua.edu.cn /anaconda/cloud/conda-forge conda config --add channels https: //mirrors .tuna.tsinghua.edu.cn /anaconda/cloud/bioconda conda config -- set show_channel_urls yes # 验证,查看版本信息 conda -V |
创建 tr-ocr python3.7运行环境
# 创建 python3.7 环境 conda create --name tr -ocr python=3.7 # 切换环境验证 conda activate tr -ocr |
安装 TrWebOCR 环境依赖
# 切换环境 conda activate tr -ocr # 安装 TrWebOCR 依赖包 pip install -r requirements.txt -i https: //pypi .tuna.tsinghua.edu.cn /simple # requirements内容如下 libtorch==1.2.0.1 numpy==1.14.6 opencv-python==3.4.4.19 Pillow==7.1.0 tornado==6.0.4 |
安装 cudatoolkit
pip install cudatoolkit==10.1 -i https: //pypi .tuna.tsinghua.edu.cn /simple |
使用GPU运行程序
启动TrWebOCR程序并验证
#下载代码 https: //github .com /alisen39/TrWebOCR #进入目录 cd TrWebOCR-master/ #启动程序 python backend /main .py --open_gpu=1 --port=8089 |
启动Tr程序并验证
#下载代码 https: //github .com /myhub/tr #进入目录 cd tr -master/ #验证程序 python test .py |
参考: