Tartalom
Mesterséges intelligencia gyakorlat
Gyakrolati anyag letöltése
A gyakorlati anyag frissítéséhez adjuk ki a következő parancsokat:
cd ~/ros2_ws/src/arj_packages
git checkout -- .
git pull
Conda környezet telepítése
Az anaconda (miniconda) egy izolált virtuális környezetet biztosít, ahol az éppen aktuális munkához szükséges verziószámú Python csomagokat tudjuk telepíteni.
mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh
~/miniconda3/bin/conda init bash
A solver hangolja össze a verziókat az előre definiált környezethez (environment.yml
) szükséges csomagok között. A libmamba-solver
az alapértelmezetthez solverhez képest egy gyorsabb hangolást tesz lehetővé.
source ~/.bashrc
conda config --set auto_activate_base false
conda update -n base conda
conda install -n base conda-libmamba-solver
conda config --set solver libmamba
Miután a Conda települt, létrehozzuk a saját virtuális környezetünket:
cd ~/ros2_ws/src/arj_packages/arj_ai
conda env create -f environment.yml
Gyakorlat megnyitása
Az anyag a következőképpen nyitható meg:
conda activate gyakorlat
cd ~/ros2_ws/src/arj_packages/arj_ai
code .
Válassszuk ki a környezetet:
Hibaelhárítás
TODO
ImportError Traceback (most recent call last)
Cell In[1], line 10
8 import matplotlib.patches as patches
9 import matplotlib.pyplot as plt
---> 10 import torch
11 import torchvision.transforms as transforms
12 from PIL import Image
File ~/miniconda3/envs/gyakorlat/lib/python3.8/site-packages/torch/__init__.py:189
187 if USE_GLOBAL_DEPS:
188 _load_global_deps()
--> 189 from torch._C import *
191 # Appease the type checker; ordinarily this binding is inserted by the
192 # torch._C module initialization code in C
193 if False:
ImportError: /home/he/miniconda3/envs/gyakorlat/lib/python3.8/site-packages/torch/lib/libtorch_cpu.so: undefined symbol: iJIT_IsProfilingActive
Conda deaktiválás
conda deactivate