TX2上安装pytorch0.4.1

说明：默认python版本为python3.5，cuda9.0

1、安装依赖包

sudo apt install libopenblas-dev libatlas-dev liblapack-dev
sudo apt install liblapacke-dev checkinstall
sudo pip3 install numpy scipy  -i http://pypi.mirrors.ustc.edu.cn/simple --trusted-host pypi.mirrors.ustc.edu.cn
sudo pip3 install pyyaml -i http://pypi.mirrors.ustc.edu.cn/simple --trusted-host pypi.mirrors.ustc.edu.cn
sudo pip3 install scikit-build -i http://pypi.mirrors.ustc.edu.cn/simple --trusted-host pypi.mirrors.ustc.edu.cn
sudo apt-get -y install cmake
sudo apt install libffi-dev
sudo pip3 install cffi -i http://pypi.mirrors.ustc.edu.cn/simple --trusted-host pypi.mirrors.ustc.edu.cn
sudo apt-get install alien
sudo apt-get install nano
sudo apt install ninja-build

2、从github上下载pytorch-0.4.1 https://github.com/pytorch/pytorch/tree/v0.4.1 ，手动下载第三方库。

3、编译第三方库：python setup.py build_ext
4、编译pytorch：sudo python setup.py install （若出现内存不足错，重启再运行）

运行是若出现问题：

RuntimeError: cuda runtime error (7) : too many resources requested for launch at /home/nvidia/pytorch/torch/lib/THCUNN/generic/SpatialUpSamplingBilinear.cu:63

解决办法：找到/pytorch/torch/lib/THCUNN/generic/SpatialUpSamplingBilinear.cu文件，修改两个地方，修改之后需要重新编译pytorch。

const int num_threads = 512;     大约是62行
//THCState_getCurrentDeviceProperties(state)->maxThreadsPerBlock;
const int num_threads = 512;     大约是97行
//THCState_getCurrentDeviceProperties(state)->maxThreadsPerBlock;

记录下之前一块板子安装pytorch出现的问题：当时由于pip损坏，没有成功安装numpy，因此在运行时用到numpy就会报错：

RuntimeError: PyTorch was compiled without NumPy support

，最近pip修复好了，装上了numpy，重新编译了pytorch（清除原来的编译结果：

sudo python setup.py clean

，再编译安装：

sudo python setup.py install

共耗时约1小时）。重新编译过后跑原来的模型速度得到了提升。