docker中源码安装tvm

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

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) and set(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’s apt-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")

原创文章，作者：sunnyman218，如若转载，请注明出处：https://blog.ytso.com/274434.html