标签：cmake 使用 dev tvm build NVIDIA GPU docker

在带有NVIDIA GPU的环境中使用tvm

• 环境配置
• 使用官方提供的docker image
• 编译安装tvm[^1]
• 使用一下子

环境配置

用一个小表格表示一下搭建环境吧。

使用官方提供的docker image

在clone过code后，code带有一些别人写好的docker images，直接用他们好了。

git clone --recursive https://github.com/shaojiewang/incubator-tvm tvm #仅第一次需要（自己fork的文件夹）
tvm/docker/build.sh Dockerfile.conda_cuda100
sudo tvm/docker/bash.sh tvm.conda_cuda100:latest

这个脚本干了如下几件事：

• 把当前目录挂载在/workspace目录下；

• 切换用户到root权限；

• 使用宿主机的网络；

第一次使用需要build image，以后就不用了。

编译安装tvm¹

这里我就不记录了，还是主要靠tvm官网的方式：编译安装方式

# 编译动态库文件
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 # 随后在config.cmake里面修改选项，打开想要使用的内容。在此时发现tvm已经支持hip和rocm了
cd build
cmake ..
make -j4
./install_python.sh

使用一下子

在Python里面import 一下子，证明装上去了：

import tvm

标签：cmake,使用,dev,tvm,build,NVIDIA,GPU,docker
来源： https://blog.csdn.net/shaojie_wang/article/details/120682808

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。