Pular para o conteúdo principal

Instalar Pytorch para reComputer Jetson

A NVIDIA publica wheels do PyTorch para cada versão do JetPack, portanto a instalação é diferente entre JetPack 5 e JetPack 6. Escolha a seção que corresponde ao seu módulo, instale o wheel correspondente e confirme que torch.cuda.is_available() retorna True. Ambientes Conda mantêm várias versões do torch lado a lado quando um projeto fixa uma versão mais antiga.

Pré-requisitos​

  • reComputer com JetPack instalado
  • Conexão com a internet

Instalar PyTorch para reComputer​

As duas gerações de JetPack na maioria das unidades reComputer usam wheels diferentes: JetPack 5.1.3 emparelha com Python 3.8, JetPack 6.2 com Python 3.10.

No reComputer, a versão comumente usada do Jetpack 5 é a 5.1.3. As etapas abaixo instalam o PyTorch para ela.

Passo 1. Atualize o sistema e instale as dependências:

sudo apt-get -y update
sudo apt-get install -y python3-pip libopenblas-dev

Passo 2. Baixe o wheel oficial do PyTorch (exemplo: torch-2.1.0 para JetPack 5.1.3, Python 3.8):

wget https://developer.download.nvidia.com/compute/redist/jp/v512/pytorch/torch-2.1.0a0+41361538.nv23.06-cp38-cp38-linux_aarch64.whl
pip install torch-2.1.0a0+41361538.nv23.06-cp38-cp38-linux_aarch64.whl
nota

Se você precisar de uma versão mais recente do torch que suporte Jetpack 5.1.3, baixe o arquivo wheel compilado a partir daqui (torch-2.2 para python3.8).

Passo 3. Verifique a instalação:

import torch
print(torch.cuda.is_available())
print(torch.__version__)
saída de torch.__version__ e torch.cuda.is_available() no JetPack 5.1.3 com torch 2.1.0

Várias versões do PyTorch com Conda​

O Miniconda é um instalador leve para o gerenciador de pacotes Conda, fornecendo um ambiente mínimo para criar e gerenciar rapidamente ambientes e pacotes Python.

Passo 1. Instale o Miniconda:

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh
bash Miniconda3-latest-Linux-aarch64.sh
info
  • Siga as instruções e digite "yes" para concordar com os termos.
  • Recomenda-se usar o caminho de instalação padrão, como ~/miniconda3.
  • Por fim, será perguntado se deseja adicionar automaticamente ao .bashrc. Recomenda-se digitar "yes".
saída do conda init mostrando /home/seeed/.bashrc modificado para que o conda carregue em novos shells

Passo 2. Inicialize e configure o conda:

source ~/.bashrc
# Verify if conda is functioning properly
conda --version
# Disable automatic entry into the conda base environment
conda config --set auto_activate_base false
# Close and reopen the terminal. By default, it will not enter the base environment.

Passo 3. Crie um novo ambiente e instale um wheel específico do PyTorch:

conda create -n torch_2.0 python=3.8
conda activate torch_2.0

Passo 4. Baixe e instale o arquivo wheel do PyTorch como mostrado nas seções anteriores.

info

Para mais detalhes, consulte o guia de instalação do PyTorch da NVIDIA

Recursos​

FAQ​

Qual wheel do PyTorch corresponde à minha versão do JetPack? JetPack 5.1.3 usa torch-2.1.0a0+...cp38 (Python 3.8) e JetPack 6.2 usa torch-2.5.0a0+...cp310 (Python 3.10). Escolha o wheel cujo caminho jp/vXX e tag cpXX correspondam a ambos, caso contrário o pip instala algo que roda apenas em CPU.

Eu preciso do cuSPARSELt antes de instalar o torch? Apenas nos wheels mais recentes. Builds do PyTorch a partir de 24.06 chamam o cuSPARSELt para multiplicação de matrizes esparsas, então o caminho do JetPack 6.2 instala primeiro a versão 0.7.1. O exemplo do JetPack 5.1.3 com torch 2.1.0 não precisa disso.

Como manter duas versões do torch na mesma máquina? Use ambientes conda: um ambiente por par de Python e torch, por exemplo conda create -n torch_2.0 python=3.8. Ative o ambiente antes de instalar o wheel e mantenha auto_activate_base desativado para que o Python do sistema permaneça limpo.

torch.cuda.is_available() retorna False. O que deu errado? O wheel é ou o build de CPU do PyPI ou foi compilado para um JetPack diferente. Reinstale o wheel da NVIDIA que corresponde ao seu caminho de JetPack e confirme com torch.__version__, que traz a tag de build nv para wheels com CUDA habilitado.

Recursos relacionados​

Suporte técnico e discussão sobre o produto​

Obrigado por escolher nossos produtos! Estamos aqui para fornecer diferentes tipos de suporte para garantir que sua experiência com nossos produtos seja a mais tranquila possível. Oferecemos vários canais de comunicação para atender a diferentes preferências e necessidades.

Loading Comments...