docker中源码安装tvm
作者：互联网
TVM安装
docker安装
可自行到https://tvm.apache.org/docs/install/docker.html 官网下载安装
源码安装
环境：
系统： ubuntu22.04系统，
docker版本： 20.10.17
cuda: 11.6
因此在安装时选用了nvidia/cuda:11.6.1-devel-ubuntu20.04这个镜像文件
镜像 环境下载：
docker pull nvidia/cuda:11.6.1-devel-ubuntu20.04
通过sudo docker images查看镜像，并使用如下命令启动镜像：
sudo docker run -it --shm-size=10g -v /home/ngl/workspace:/home/workspace --runtime=nvidia -e NVIDIA_VISIBLE_DEVICE=0 nvidia/cuda:11.6.1-cudnn8-devel-ubuntu20.04 /bin/bash
进入系统，便可根据官网中的操作步骤进行源码安装：
- 下载源码
使用--recursive选项，循环克隆git子项目
git clone --recursive https://github.com/apache/tvm tvm
在进行项目编译之前，需要安装必需的库：
sudo apt-get update
sudo apt-get install -y python3 python3-dev python3-setuptools gcc libtinfo-dev zlib1g-dev build-essential cmake libedit-dev libxml2-dev
- 创建编译目录
mkdir build
cp cmake/config.cmake build
修改config.cmake中的配置选项：
- 如需要使用cuda,将
set(USE_CUDA OFF)改成set(USE_CUDA ON)，使能CUDA后端，OpenCL/RCOM等都是一样的 - 为debug方便，可
set(USE_GRAPH_EXECUTOR ON)andset(USE_PROFILER ON)确保嵌入式图形执行器和调试函数 - 因LLVM用于CPU codegen,强烈建议安装LLVM，并修改
set(USE_LLVM ON)可使cmake搜索一个可用的LLVM版本
LLVM安装：
apt-get install llvm
使用如下命令测试llvm是否测试成功：
llvm-config --version - 如果要加入VTA，将其中一行set(USE_VTA_FSIM OFF)改为set(USE_VTA_FSIM ON)
如有其他配置需要，可自行根据官网提示进行配置
- 编译TVM
cd build
cmake ..
make -j4
最后在build目录中生产libtvm.so和libtvm_runtime.so两个动态库
- 增加python支持
在~/.bashrc中加入如下几行：
export TVM_HOME=/home/workspace/tvm/tvm
export PYTHONPATH=$TVM_HOME/python:$TVM_HOME/vta/python:${PYTHONPATH}
export VTA_HW_PATH=$TVM_HOME/3rdparty/vta-hw
- 安装python相关依赖
pip3 install numpy decorator attrs
pip3 install tornado
pip3 install tornado psutil xgboost
pip3 install mypy orderedset antlr4-python3-runtime
注：
踩坑记录：
-
CMake was unable to find a build program corresponding to "Ninja". CMAKE_MAKE_PROGRAM is not set
On Ubuntu, I think it'sapt-get install ninja-build. -
Crttest failed, no rules to make the target “crttest”
I think this is because you don’t have set(USE_MICRO ON)in your config.cmake. tests/scripts/task_config_build_cpu.sh turns this option on, which is why task_cpp_unittest.sh assumes that that target exists.
参考链接：https://discuss.tvm.apache.org/t/crttest-failed-no-rules-to-make-the-target-crttest/8450
python倒入自定义模块的方法：
要用import mymodule导入自定义的模块，其必须在python的搜索路径中，一般有三种方法可以采用：
1.将你自定义的模块(.py文件)放置在python的任意搜索路径下（可以在python中输入import sys和sys.path 查看搜索路径）
2.修改环境变量PYTHONPATH以包含用户自定义模块的路径
-
临时修改： 在终端输入
export PYTHONPATH=/mymodule directory:$PYTHONPATH，利用echo $PYTHONPATH命令可查看是否将路径添加成功。该方法在当前终端下有效，但若关闭终端后重新打开，则会失效。 -
彻底修改： 要想使修改始终有效，则需要修改用户或系统的环境变量配置文件。以修改用户的环境变量配置文件
.bashrc或.profile为例（两个文件均在用户主目录下/home/用户名，.bahsrc包含专用于你的bash shell的bash信息，当登录以及每次打开新的shell时，该文件被读取；.profile包含专用于你的shell信息，当用户登录时,该文件仅仅执行一次,它设置一些环境变量,执行用户的.bashrc文件）。cd到用户主目录下，打开.bashrc或.profile文件，在末尾添加一行export PYTHONPATH=/mymodule directory:$PYTHONPATH，保存退出后，执行source .bashrc 或source .profile命令使修改生效。修改系统环境变量配置文件的过程也类似，只不过相应的文件要到/etc 目录下去找。
- 修改python的sys.path变量，在导入自定义模块前，执行以下操作。此方法也只能临时起作用，退出python下次再进来就失效了。
import sys
sys.path.append('mymodule directory')
参考：https://blog.csdn.net/Blateyang/article/details/78753051
VSCode访问docker容器
在服务容器中配置ssh
- 通过一个其他的端口进入容器，这里使用6789端口
sudo docker run -it --shm-size=10g -p 6789:22 -v /home/ngl/workspace:/home/workspace --runtime=nvidia -e NVIDIA_VISIBLE_DEVICE=0 nvidia/cuda:11.6.1-cudnn8-devel-ubuntu20.04 /bin/bash
登陆到容器中后下载openssh
2. 下载openssh
apt-get update
apt-get install openssh-server
-
设置root密码
passwd
会设置两遍相同的密码，之后登陆的时候用到 -
修改配置文件
vim /etc/ssh/sshd_config
注释掉PermitRootLogin prohibit-password这一行
添加这一行PermitRootLogin yes -
重启ssh服务
service ssh restart
# 或使用
# /etc/init.d/ssh restart
-
本机链接ssh
ssh -p 6789 root@0.0.0.0 -
远程访问服务器docker里正在运行的容器
ssh -p 6789 root@192.168.x.xx
如报错：ssh: connect to host 0.0.0.0 port 6789: Connection refused
原因：没有开放对应端口
解决方案：
在主机上：sudo iptables -I INPUT -p tcp --dport 6789 -j ACCEPT
- 在宿主机上配置vscode
8.1 安装Remote-SSH插件
使用插件连接远程服务器里的容器
这样即可在本地vscode中使用docker中的环境，但美中不足的是如果想要显示图片等可视化数据，存在一定的限制，目前，我想到的仅是先本地docker保存起来，然后在宿主机中打开查阅
如：
在plt.show()后，执行plt.savefig("filename.png")
标签：set,python,tvm,--,源码,ssh,install,docker 来源： https://www.cnblogs.com/whiteBear/p/16479844.html