GPU环境搭建（TrWebOCR）

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：

https://www.mlzhilu.com/archives/ubuntu2004%E5%AE%89%E8%A3%85nvidia%E6%98%BE%E5%8D%A1%E9%A9%B1%E5%8A%A8