python - 在 Jetson Nano Ubuntu 18 上安装 PyTorch

Question

我正在尝试在 Jetson Nano Ruining Ubuntu 1804 上安装 PyTorch。我的引用是 https://dev.to/evanilukhin/guide-to-install-pytorch-with-cuda-on-ubuntu-18-04-5217
当我尝试以下命令时，这就是我得到的:

(my_env) crigano@crigano-desktop:~$ python3.8 -m pip install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing
Collecting numpy
  Using cached numpy-1.20.2-cp38-cp38-manylinux2014_aarch64.whl (12.7 MB)
Collecting ninja
  Using cached ninja-1.10.0.post2.tar.gz (25 kB)
  Installing build dependencies ... done
  Getting requirements to build wheel ... done
    Preparing wheel metadata ... done
Collecting pyyaml
  Using cached PyYAML-5.4.1-cp38-cp38-manylinux2014_aarch64.whl (818 kB)
ERROR: Could not find a version that satisfies the requirement mkl
ERROR: No matching distribution found for mkl

Answer 1

如果您只想在裸机 Jetson Nano 上使用 PyTorch，只需使用 NVIDIA's pre-compiled binary wheel 安装即可.其他软件包可在 Jetson Zoo 中找到.
MKL 由英特尔开发，“用于优化英特尔® CPU 和 GPU 的当前和 future 几代 的代码。” [PyPI] .显然，它确实可以在 AMD 等其他基于 x86 的芯片上运行(尽管英特尔历来故意削弱非英特尔芯片的库 [Wikipedia])，但不出所料，英特尔对支持 ARM 设备不感兴趣，也没有将 MKL 移植到 ARM 架构。
如果您的目标是在 numpy 中使用 MKL 进行数学优化, openblas是 ARM 的可行替代方案。 libopenblas-base:arm64和 libopenblas-dev:arm64预装在 NVIDIA 的 "L4T PyTorch" Docker images 上.您可以确认numpy用 numpy.__config__.show() 检测它们.这就是我在 l4t-pytorch:r32.5.0-pth1.6-py3 上的 python 3.69 中使用 numpy 1.12 得到的结果。图片:

blas_mkl_info:
  NOT AVAILABLE
blis_info:
  NOT AVAILABLE
openblas_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/usr/lib/aarch64-linux-gnu']
    language = c
    define_macros = [('HAVE_CBLAS', None)]
blas_opt_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/usr/lib/aarch64-linux-gnu']
    language = c
    define_macros = [('HAVE_CBLAS', None)]
lapack_mkl_info:
  NOT AVAILABLE
openblas_lapack_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/usr/lib/aarch64-linux-gnu']
    language = c
    define_macros = [('HAVE_CBLAS', None)]
lapack_opt_info:
    libraries = ['openblas', 'openblas']
    library_dirs = ['/usr/lib/aarch64-linux-gnu']
    language = c
    define_macros = [('HAVE_CBLAS', None)]

所以大概它会使用openblas代替 MKL 进行数学优化。如果您的用例也适用于 numpy优化，同样可以使用openblas并且不应该需要 MKL ......这是幸运的，因为它无论如何都不可用。 😅