基于ZCU106平台部署Vitis AI 1.2/2.5开发套件【Vivado+Vitis+Petalinux2020/2022】
Vitis AI是 Xilinx 的开发平台，适用于在 Xilinx 硬件平台（包括边缘设备和 Alveo 卡）上进行人工智能算法推理部署。它由优化的IP、工具、库、模型和示例设计组成。Vitis AI以高效易用为设计理念，可在 Xilinx FPGA 和 ACAP 上充分发挥人工智能加速的潜力。
0. 工具/软件
-
mobaXterm：ssh/uart/…方式远程连接zynq
-
balena etcher：镜像烧录工具
-
vitis：自动安装对应版本的vivado、vitis HLS
-
# *********** 1. 安装依赖 *********** sudo add-apt-repository ppa:xorg-edgers/ppa sudo apt-get update sudo apt-get install libgl1-mesa-glx sudo apt-get install libgl1-mesa-dri sudo apt-get install libgl1-mesa-dev sudo add-apt-repository --remove ppa:xorg-edgers/ppa sudo apt install net-tools sudo apt-get install -y unzip sudo apt install gcc sudo apt install g++ sudo apt install python ln -s /usr/bin/python2 /usr/bin/python # *********** 2. 重启系统 *********** reboot # *********** 3. 安装vitis + vivado *********** # 参考vitis的UG手册，有详细的安装教程！ # 1. Go to the Xilinx Downloads Website. # 2. Download the installer for your operating system. # 3. Run the installer, which opens the Xilinx Unified 2020.1 Installer. # 4. Click Next. # 5. Enter your Xilinx user account credentials,and then select Download and Install Now. # 6. Click Next. # 7. Accept the terms and conditions by clicking each I Agree check box. # 8. Click Next. # 9. Select Vitis, and then click Next. # 10. Optionally,customize your installation by selecting design tools and devices, and then click Next. # 11. Select the installation directory, optional shortcut and file association options,and then click Next. # 12. Review the installation summary, which shows the options and locations you have selected. # 13. To proceed with the installation of the Vitis software platform, click Install. After a successful installation, a confirmationmessage is displayed. # *********** 4. 安装XRT *********** # Xilinx Runtime(XRT) is implemented as a combinationof user-space and kernel driver components. XRT supports Alveo PCIe-based cards, as well as Zynq UltraScale+ MPSoC-based embedded system platforms,and provides a softwareinterface to Xilinx programmable logic devices. # 该指令执行后可能会报错，缺少一些依赖包。对此，缺啥直接装即可！网不好的话可能会耗费一定时间！ sudo apt install <deb-dir>/<xrt_filename_OS>.deb
-
-
vivado：vitis集成vivado
-
petalinux ：安装详见UG1144
-
Xilinx 公司推出的嵌入式linux开发套件，包括了u-boot、kernel、rootfs、device-tree等源码和库，以及 Yocto recipes，可以让客户很方便的创建、配置、编译及自定义linux 系统；
-
Petalinux 支持Versal、Zynq UltraScale+ MPSoC、Zynq-7000 SoC 以及MicroBlaze，可与Xilinx硬件设计工具Vivado协同工作；
-
# petalinux 工具需要主机系统的/bin/sh是bash，而 Ubuntu 默认的/bin/sh是dash，所以这里需要进行更改。 # 弹出窗口选择No即可！ sudo dpkg-reconfigure dash sudo apt install autoconf mkdir -p /opt/pkg/petalinux/<petalinux-version> # petalinux新建/opt/pkg/petalinux之后，在执行.run文件安装之前需要进行如下操作 cd /opt/pkg ls -l # 输出如下结果为异常，需要将权限者变更为用户名xuyang # drwxrwxrwx 5 root root 4096 Aug 31 14:32 petalinux sudo chown -R xuyang:xuyang /opt/pkg/petalinux ./petalinux-v<petalinux-version>-final-installer.run --dir /opt/pkg/petalinux/<petalinux-version> # 可添加到.bashrc文件中！ source <path-to-installed-PetaLinux>/settings.sh # By default, the WebTalk optionis disabled to send tools usage statisticsback to Xilinx. You can turn on the WebTalk feature by running the petalinux-util --webtalkcommand after the installationis complete. petalinux-util --webtalk on # 验证工作环境设置成功 echo $PETALINUX
-
-
vitis AI：
- exit命令可以退出docker环境
1. FPGA/ZYNQ基础知识
1.1 FPGA基础语法
-
数据类型：
-
寄存器类型：reg
reg clk_sys[31:0];- 寄存器类型只能在initial和always语句块内赋值；
-
线网类型：wire，tri
//中括号为位宽 wire [31:0] key_flag; -
参数类型：parameter，是一个常量（类似于C语言中的define）
-
-
运算符
- 算数运算符：+，-，*，/，%
- 关系运算符：<，>，<=，>=，==，!=
- 逻辑运算符：&&，||，!
- 条件操作符：a?b:c（类似于C中的三元运算符）
- 位运算符：~（取反），&（与），|（或），^（异或）
- 移位运算符：<<，>>
- 拼接运算符：{a,b}
1.2 zynq嵌入式SDK开发
- 系统（裸机）开发流程：【1-4为硬件，5-6为软件】
- 创建vivado工程
- 使用IP集成器创建Process System
- 生成顶层HDL
- （生成Bitstream）并导出到SDK
- 在SDK中创建应用工程
- 板级验证
- 嵌入式最小系统：使系统正常工作的最小条件；所有系统的公共基础部分。
1.3 petalinux设计流程
- 搭建vivado工程，导出hdf文件；
- 创建一个petalinux工程；
- 将hdf文件导入petalinux工程（将vivado设计应用到petalinux工程）；
- 配置petalinux工程（其中包括配置内核、U-Boot及根文件系统）；
- 编译petalinux工程（U-Boot镜像、内核镜像及rootfs、bitstream，fsbl镜像文件）；
- 启动开发板。
2. Ubuntu系统安装
-
参考视频：从零开始的Vitis教程
-
硬件要求：由于vivado/vitis安装环境需要，ubuntu系统所在硬件内存32G起（64G推荐），硬盘100G起；需要联网
2.0 安装配置常用软件
-
卸载ubuntu不必要的软件
sudo apt remove libreoffice-common sudo apt remove thunderbird totem rhythmbox simple-scan gnome-mahjongg aisleriot gnome-mines cheese transmission-common gnome-sudoku unity-webapps-common sudo rm -f /usr/share/applications/com.canonical.launcher.amazon.desktop sudo rm -f /usr/share/applications/ubuntu-amazon-default.desktop # 能联网就update/upgrade sudo apt update sudo apt upgrade -
必要软件安装：
sudo apt install cmake make htop git vim net-tools cmake-curses-gui python-pip python3-pip openssh-server gcc g++ build-essential lightdm pip install numpy # 升级pip的指令 sudo pip3 install --upgrade pip -
安装Google，vscode，wps，typora，qv2ray
sudo dpkg -i google***.deb sudo dpkg -i typora***.deb sudo dpkg -i wps***.deb sudo dpkg -i code***.deb-
Ubuntu qv2ray配置：
- .config/qv2ray/路径下,放置v2ray安装包中的qv2ray文件夹；
- Qv2ray软件设置:
- Preferences -> Kernel Settings：1. 设置V2ray Core Executable Path为/home/xuyang/.config/qv2ray/vcore/v2ray；2. 设置V2ray Assets Directory为/home/xuyang/.config/qv2ray/vcore/
- Preferences -> Inbound Settings：SOCKS Setting中的Port默认为1089，需要与Google插件内对应；
- Google之Proxy SwitchyOmega插件配置：
- PROFILES中默认有的profile全部删了，然后新建一个名字可以叫为V2；
- Proxy servers中Protocol选择SOCKS5，Server为127.0.0.1, Port为1089（与软件中的对应）， 最后Apply changes即可。
-
Windows v2ray配置：
- 设置 -> 参数设置：本地监听端口：10808（与与Google插件内对应）；
- 设置 -> 路由设置 -> 基础功能：
- 域名解析策略：IPIfNonMatch；
- 选中【启用路由高级功能】；
- 域名匹配算法：linear；
- 预定义规则集列表：绕过大陆；
- Google插件配置同上。
-
vscode
-
关闭红色波浪线：
- 选择Workspace（工作区）
- 搜索框输入error
- 在Extensions里选择C/C++
- 在右侧把C_Cpp:Error Squiggles选项设置为Disabled即可
-
更换字体：
-
字体下载：字体1-Hack 字体2-FiraCode
-
解压后直接双击ttf文件，右上角install进行安装
-
在VSCode中，【设置-文本编辑器-字体】，进行字体替换即可
原始字体：
'Droid Sans Mono', 'monospace', monospace更换为：
'Hack', 'Courier New', monospace // or 'Fira Code', 'Courier New', monospace
-
-
-
-
搜狗输入法
sudo apt install fcitx sudo dpkg -i sogoupinyin***.deb # 如果有报错，则执行以下命令；否则跳过 sudo apt --fix-broken install-
安装成功后，到setting-language下面，把fcitx选中，并apply system-wide！
-
重启登陆后在右上角出现一个键盘标志，点击进入，选择Configure Current Input Method！
-
-
anaconda
-
下载自己需要版本后，根据以下提示，enter键继续向下：
nuc@nuc:~/Downloads$ bash Anaconda3-5.1.0-Linux-x86_64.sh Welcome to Anaconda3 5.1.0 In order to continue the installation process, please review the license agreement. Please, press ENTER to continue >>> -
阅读完信息后，输入yes，回车继续：
Do you accept the license terms? [yes|no] [no] >>> Please answer 'yes' or 'no':' Anaconda3 will now be installed into this location: /home/nuc/anaconda3 - Press ENTER to confirm the location - Press CTRL-C to abort the installation - Or specify a different location below [/home/nuc/anaconda3] >>> -
一系列安装完成后，输入yes，加入环境变量即可，在之后会提示是否安装VScode，选择no；
完成后开启新的终端，查看 conda 的版本号：nuc@nuc:~$ conda -V conda 4.4.10 -
打开 Jupyter Notebook：
nuc@nuc:~$ jupyter notebook [I 01:48:14.486 NotebookApp] The port 8888 is already in use, trying another port. [I 01:48:14.711 NotebookApp] JupyterLab beta preview extension loaded from /home/nuc/anaconda3/lib/python3.6/site-packages/jupyterlab [I 01:48:14.712 NotebookApp] JupyterLab application directory is /home/nuc/anaconda3/share/jupyter/lab [I 01:48:14.759 NotebookApp] Serving notebooks from local directory: /home/nuc [I 01:48:14.759 NotebookApp] 0 active kernels [I 01:48:14.759 NotebookApp] The Jupyter Notebook is running at: [I 01:48:14.760 NotebookApp] http://localhost:8889/?token=605b46819a7dd5e99d71a07c7f3a53ea4a789b62c6c38764 [I 01:48:14.760 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation). [C 01:48:14.761 NotebookApp] Copy/paste this URL into your browser when you connect for the first time, to login with a token: http://localhost:8889/?token=605b46819a7dd5e99d71a07c7f3a53ea4a789b62c6c38764 [I 01:48:22.437 NotebookApp] Accepting one-time-token-authenticated connection from 127.0.0.1 -
conda用法
# 列出当前可安装的各个版本, 拿qt举个例子 conda search qt # 根据所列出的版本号,安装相应的版本即可 conda install qt=5.9.7
-
-
kazam录屏软件
sudo apt-get update sudo apt-get install kazam -
ROS
-
ros melodic
# Setup your computer to accept software from packages.ros.org. $ sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list' # Set up your keys $ sudo apt install curl $ curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc | sudo apt-key add - # Installation $ sudo apt update $ sudo apt install ros-melodic-desktop-full # Environment setup $ echo "source /opt/ros/melodic/setup.bash" >> ~/.bashrc $ source ~/.bashrc # Dependencies for building packages $ sudo apt install python-rosdep python-rosinstall python-rosinstall-generator python-wstool build-essential python-pip $ sudo rosdep init $ rosdep update # install moveit sudo apt-get install ros-melodic-moveit source /opt/ros/melodic/setup.bash sudo apt-get install ros-melodic-moveit-resources sudo apt-get install ros-melodic-moveit-visual-tools
- 可能的问题
- no pip:
sudo apt-get install python-pip - catkin_make不成功：检查
source /opt/ros/melodic/setup.bash在不在~/.bashrc里
- no pip:
-
2.1 关闭自动更新
-
打开文件：
sudo vim /etc/apt/apt.conf.d/10periodic -
修改内容为：
APT::Periodic::Update-Package-Lists "0"; APT::Periodic::Download-Upgradeable-Packages "0"; APT::Periodic::AutocleanInterval "0";
2.2 更换清华源
-
指令：
# 备份 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo gedit /etc/apt/sources.list -
替换为下面内容：
# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释 deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse # 预发布软件源，不建议启用 # deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse -
再次更新即可：
sudo apt-get update sudo apt-get upgrade
2.3 搜狗输入法
-
安装Fcitx输入框架
sudo apt install fcitx -
安装deb包
sudo dpkg -i sogou*.deb #如果上述指令有报错，则执行下面一条指令 sudo apt --fix-broken install -
进入设置-【Region & Language】，进入【Manage Installed Languages】，输入框架改为fcitx，然后点击上面的Apply System-Wide应用到全局。
-
重启，登陆后在右上角出现一个键盘标志，点击进入，选择Configure Current Input Method；进入Input Method界面后，选择+号；将下面的Only Show Current Language点掉后，在搜索栏搜索sogou，选中之后进行添加即可。
2.4 解锁cpu锁频
$ sudo apt install cpufrequtils
$ sudo systemctl disable ondemand
$ sudo systemctl enable cpufrequtils
$ sudo sh -c 'echo "GOVERNOR=performance" > /etc/default/cpufrequtils'
$ sudo systemctl daemon-reload && sudo systemctl restart cpufrequtils
# 检查
$ cpufreq-info
2.5 OpenCV
-
编译3.4.13版本，4.5.1建议备用
-
default path should be
full_project_test/3rdparty/opencv, please don’t modify -
参考链接：参考网址
# 依赖项 $ sudo apt-get install build-essential $ sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev $ sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff5-dev libdc1394-22-dev $ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev $ sudo apt-get install libxvidcore-dev libx264-dev # 处理视频 $ sudo apt-get install libatlas-base-dev gfortran # 优化opencv功能 $ sudo apt-get install ffmpeg -
下载opencv：下载地址
-
下载opencv_contrib：下载地址
# 将opencv解压到3rdparty文件夹下，将opencv_contrib解压到opencv文件夹下 vision@vision:~/xy_ws/3rdparty$ cd opencv-3.4.13 vision@vision:~/xy_ws/3rdparty/opencv-3.4.13$ mkdir build && cd build # 编译 vision@vision:~/xy_ws/3rdparty/opencv-3.4.13/build$ cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local OPENCV_EXTRA_MODULES_PATH=../opencv_contrib-3.4.13/modules/ .. vision@vision:~/xy_ws/3rdparty/opencv-3.4.13/build$ make vision@vision:~/xy_ws/3rdparty/opencv-3.4.13/build$ sudo make install # 环境配置 sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf' pkg-config --modversion opencv -
如果默认的opencv3.2不能满足需要，则在CMakeLists.txt中用以下方式指定特定版本opencv路径
find_package(Opencv 3.4 REQUIRED PATH /your/path/to/opencv-3.4.13/build NO_DEFAULT_PATH)
2.6 NVIDIA相关驱动
2.6.1 Nvidia pre-settings
-
edit grub file use
sudo gedit /etc/default/grub -
change grub file, notice that don’t input any space beside
=# old GRUB_TIMEOUT_STYLE=hidden # new #GRUB_TIMEOUT_STYLE=hidden GRUB_TIMEOUT_STYLE=menu GRUB_TIMEOUT=5 -
sudo update-grub -
blacklist nouveau driver
$ sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf" $ sudo bash -c "echo options nouveau modeset=0 >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf"Confirm the content of the new modprobe config file:
$ cat /etc/modprobe.d/blacklist-nvidia-nouveau.conf # output blacklist nouveau options nouveau modeset=0 -
Update kernel initramfs, Enter the following linux command to regenerate initramfs:
$ sudo update-initramfs -u -
reboot the machine
# 验证nouveau是否已禁用 # 执行下面一条命令，没有信息显示，说明nouveau已被禁用，接下来可以安装nvidia的显卡驱动 lsmod | grep nouveau
2.6.2 Nvidia driver
- 注意RTX 4090等较新的显卡一定要安装较新的驱动，老版本已经不支持了！
-
基本依赖
sudo apt install gcc g++ make build-essential lightdm -
ctrl+alt+f4进入超级终端
# 在ubuntu下按ctrl+alt+f1进入命令行界面 # 这个是关闭图形界面，不执行会出错。 sudo service lightdm stop # 卸载原有NVIDIA驱动，如果卸载完之后，仍提示已有相关驱动被检测到，请reboot一下，再安装！！！ sudo apt-get remove nvidia* （若安装过其他版本或其他方式安装过驱动执行此项） # 注意版本对应 sudo chmod a+x NVIDIA-Linux-x86_64-418.43.run # 安装，选项不能丢，只有禁用opengl这样安装才不会出现循环登陆的问题 sudo ./NVIDIA-Linux-x86_64-418.43.run -no-x-check -no-nouveau-check -no-opengl-files #-no-x-check：安装驱动时关闭X服务 #-no-nouveau-check：安装驱动时禁用nouveau #-no-opengl-files：只安装驱动文件，不安装OpenGL文件 # 安装期间的选项如下： # The distribution-provided pre-install script failed! Are you sure you want to continue? # 选择 yes 继续。 # Would you like to register the kernel module souces with DKMS? This will allow DKMS to automatically build a new module, if you install a different kernel later? # 选择 No 继续。 # 问题没记住，选项是：install without signing # 问题大概是：Nvidia’s 32-bit compatibility libraries? # 选择 No 继续。 # Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up. # 选择 Yes 继续 sudo service lightdm start # 可以reboot一下看是否能正常进入系统 # 随后检查驱动是否安装成功 nvidia-smi
2.6.3 CUDA
-
ctrl+alt+f4进入超级终端
sudo service lightdm stop # 请到标题超链接去下载对应版本CUDA的.run包 # test nvidia-driver $ nvidia-smi $ lsmod | grep nouveau # 若无输出代表禁用nouveau生效，可以继续操作。 # 注意版本对应：标题中450.51.05为该版本cuda所对应的最低显卡驱动的版本 $ sudo chmod a+x cuda_11.0.2_450.51.05_linux.run # drivers不安装！accept EULA rules！ # select cuda Toolkit only! No driver! No samples! $ sudo ./cuda_11.0.2_450.51.05_linux.run --no-opengl-libs sudo service lightdm start $ gedit .bashrc # cuda 11.0 注意对应关系 export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:/usr/local/cuda-11.0/lib64 export PATH=${PATH}:/usr/local/cuda-11.0/bin #保存环境变量 $ source .bashrc #重启电脑 $ reboot # 通过执行以下命令来确定驱动程序的版本 $ cat /proc/driver/nvidia/version # 进入/usr/local/cuda-11.0/Samples目录: $ sudo make -k $ cd ~/usr/local/cuda-11.0/Samples/bin/x86_64/linux/release $ ./deviceQuery
2.6.4 cuDNN
-
cuDNN与CUDA的版本对应问题，详见cuDNN标题超链接。
$ sudo cp cuda/include/cudnn*.h /usr/local/cuda/include $ sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 $ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* # 可以查看cuDNN版本 cat /usr/local/cuda-11.1/include/cudnn.h | grep CUDNN_MAJOR -A 2 nvcc -V #测试cudnn cp -r /usr/src/cudnn_samples_v8/ ~ cd ~/cudnn_samples_v8/mnistCUDNN sudo make sudo ./mnistCUDNN # 如果成功运行，会显示下列信息：Test passed!
3. docker相关
# 查看本地所有的镜像
docker images
# 从网络中查找需要的镜像
docker search 镜像名称
# 拉取镜像：从Docker仓库下载镜像到本地，镜像名称格式为 名称:版本号，如果版本号不指定则是最新的版本。如果不知道镜像版本，可以去docker hub 搜索对应镜像查看。
docker pull 镜像名称
# 删除指定本地镜像
docker rmi 镜像id
# ***************************************
# 查看正在运行的容器
docker ps
# 查看所有容器
docker ps –a
# 创建并启动容器
docker run 参数
# 参数说明：
# • -i：保持容器运行。通常与 -t 同时使用。加入it这两个参数后，容器创建后自动进入容器中，退出容器后，容器自动关闭。
# • -t：为容器重新分配一个伪输入终端，通常与 -i 同时使用。
# • -d：以守护（后台）模式运行容器。创建一个容器在后台运行，需要使用docker exec 进入容器。退出后，容器不会关闭。
# • -it 创建的容器一般称为交互式容器，-id 创建的容器一般称为守护式容器
# • --name：为创建的容器命名
# 进入容器
docker exec 参数 # 退出容器，容器不会关闭
# 停止容器
docker stop 容器名称
# 启动容器
docker start 容器名称
# 删除容器：如果容器是运行状态则删除失败，需要停止容器才能删除
docker rm 容器名称
# 查看容器信息
docker inspect 容器名称
3.0 Ubuntu-docker镜像存放位置
root@wlj569:/var# ls
backups cache lib local lock log mail opt run spool tmp
root@wlj569:/var# cd lib/docker/
root@wlj569:/var/lib/docker# ls
buildkit containers image network overlay2 plugins runtimes swarm tmp trust volumes
root@wlj569:/var/lib/docker# cd containers
root@wlj569:/var/lib/docker/containers# ls
7333ce90a9b664360d8b4a8d2291ff7547c1a732ab7d2bb352372b3bcb33c097
afd2a42978dd83e2ae681fcda8cb1130201a61c3eb601546ba48c57357f7c470
d501ddf0548b1716090712fd37605e6ee59c4923e1882eca4fdc99788b5eaee0
# 到/var/lib/docker路径下，image下存放下载的镜像，containers下存放的是创建的容器，均可按需删除！
# cd var/lib/docker/
# cd ls
# 删除镜像
# rm d501ddf0548b1716090712fd37605e6ee59c4923e1882eca4fdc99788b5eaee0/ -r
3.1 离线获取docker镜像
-
在有公网环境下使用 docker pull 命令下载相应的镜像，使用docker images 列出所有镜像：
liuchendeMacBook-Pro:Downloads liuchen$ docker images REPOSITORY TAG IMAGE ID CREATED SIZE mysql latest 102816b1ee7d 3 weeks ago 486MB -
使用docker save命令对镜像进行打包：
liuchendeMacBook-Pro:Downloads liuchen$ docker save -o mysql.tar mysql:latest liuchendeMacBook-Pro:Downloads liuchen$ ls -trl mysql.tar -rw------- 1 liuchen staff 490642944 1 23 17:03 mysql.tar -
将打包好的镜像传送至内网环境的机器，使用docker load 命令将镜像加载：
liuchendeMacBook-Pro:Downloads liuchen$ docker load -i mysql.tar Loaded image: mysql:latest -
现在使用docker images 就可以查出刚才加载的镜像了。
3.2 在线安装docker
-
安装依赖
sudo apt-get update # 安装依赖包 sudo apt-get install apt-transport-https ca-certificates curl gnupg-agent software-properties-common -
下载并安装秘钥，以下几种源中任选其一
# 官方源 $ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - # 中科大源 $ curl -fsSL https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu/gpg | sudo apt-key add - # 清华源 $ curl -fsSL https://mirrors.tuna.tsinghua.edu.cn/docker-ce/linux/ubuntu/gpg | sudo apt-key add - # 检查秘钥是否安装成功 $ sudo apt-key fingerprint 0EBFCD88 -
添加安装docker的软件源，如果觉得官方源慢的，可以选择中科大源和清华源。同样，任选其一！
# 中科大源 $ sudo add-apt-repository "deb [arch=amd64] https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu $(lsb_release -cs) stable" # 清华源 $ sudo add-apt-repository "deb [arch=amd64] https://mirrors.tuna.tsinghua.edu.cn/docker-ce/linux/ubuntu $(lsb_release -cs) stable" -
安装docker-ce
sudo apt install docker-ce # 验证安装 sudo docker run hello-world
3.3 离线安装docker
-
先决条件
-
Ubuntu Kinetic 22.10、Ubuntu Jammy 22.04 (LTS)、Ubuntu Focal 20.04 (LTS)、Ubuntu Bionic 18.04 (LTS)
-
Docker Engine is compatible with
x86_64(oramd64),armhf,arm64, ands390xarchitectures.
-
-
卸载旧版本docker
sudo apt-get remove docker docker-engine docker.io containerd runc -
下载离线安装包
-
前往官网，选择对应ubuntu版本，进入/pool/stable，选择对应系统架构
-
下载下述deb包，并完成安装
containerd.io__ .deb docker-ce__ .deb docker-ce-cli__ .deb docker-compose-plugin__ .deb # This command downloads a test image and runs it in a container. When the container runs, it prints a message and exits. sudo dpkg -i ./containerd.io_<version>_<arch>.deb \ ./docker-ce_<version>_<arch>.deb \ ./docker-ce-cli_<version>_<arch>.deb \ ./docker-compose-plugin_<version>_<arch>.deb # 验证安装 sudo docker run hello-world
-
-
GPU版本，还需要安装一些附加环境：具体参考GitHub 第三方链接
4. vitis AI 环境搭建流程
4.0 硬件需求
-
工作站
Component Requirement GPU (Optional, but strongly recommended for quantization acceleration) NVIDIA GPU supporting CUDA 11.0 or higher, (eg: NVIDIA P100, V100, A100) CUDA Driver NVIDIA-450 or higher for CUDA 11.0 Docker Version 19.03 or higher, nvidia-docker2 Operating System Ubuntu 18.04, 20.04；CentOS 7.8, 7.9, 8.1, 8.2；RHEL 8.3, 8.4 CPU Intel i3/i5/i7/i9/Xeon 64-bit CPU；AMD EPYC 7F52 64-bit CPU -
板卡
Component Requirement Alveo U50, U50LV, U200, U250, U280 cards Zynq UltraScale+ MPSoC ZCU102 and ZCU104 Boards Versal VCK190 and VCK5000 boards Kria KV260
4.1 工作站配置
-
配置SSH服务
# 查看当前的ubuntu是否安装了ssh-server服务。默认只安装ssh-client服务。 dpkg -l | grep ssh # 安装ssh-server服务 sudo apt-get install openssh-server # 再次查看安装的服务, 如果看到 openssh-server的字样，表示SSH服务已经打开。从输出结果可以看到状态是active(running） dpkg -l | grep ssh # 安装好以后，ssh server应该已经开始运行了，可以用下面的命令检查ssh server的状态 systemctl status sshd # 需要的时候，还可以利用systemctl命令打开(start)/关闭(stop)/重启(restart) ssh server，例如下面的命令就可以用来重启ssh server服务 sudo systemctl restart ssh # 使用下面命令查看当前服务器的IP地址： ip addr show # 获得IP地址后即可在windows中使用ssh进行连接 -
配置NFS服务
-
后面进行 Linux 驱动开发的时候需要 NFS 启动；
sudo apt install nfs-kernel-server sudo mkdir -p ~/linux/nfs sudo gedit /etc/exports # 添加下一行内容到最后 /home/xuyang/linux/nfs *(rw,sync,no_root_squash) # /home/xuyang/linux/nfs是要共享的目录，*代表允许所有的网络段访问，rw是可读写权限，sync是文件同步写入存储器，no_root_squash是nfs客户端分享目录使用者的权限。如果客户端使用的是root用户，那么对于该共享目录而言，该客户端就具有root权限。 # 重启 NFS 服务 sudo service nfs-kernel-server restart # 显示出所共享的目录 showmount -e # 在 nfs 运行的过程中，修改了/etc/exports 配置文件，可以使用 exportfs 命令使改动生效 sudo exportfs -rv
-
-
搭建 tftp 服务器
-
TFTP 作为一种简单的文件传输协议，在嵌入式开发中会经常使用到，而且后面我们在安装 Petalinux 工具时也会提示需要 tftp 服务，所以我们需要在 Ubuntu 上搭建 TFTP 服务器。
sudo apt install tftp-hpa tftpd-hpa # TFTP需要一个文件夹来存放文件。在根目录下新建一个/tftpboot目录做为TFTP文件存储目录，之所以使用该目录是因为后面使用的Petalinux工具默认使用该目录。 sudo mkdir -p /tftpboot sudo chmod 777 /tftpboot # 配置tftp sudo gedit /etc/default/tftpd-hpa # 将内容改为如下5行。TFTP_DIRECTORY就是我们上面创建的/tftpboot文件夹目录，以后我们就将所有需要通过TFTP传输的文件都放到该文件夹里面。 # /etc/default/tftpd-hpa TFTP_USERNAME="tftp" TFTP_DIRECTORY="/tftpboot" TFTP_ADDRESS=":69" TFTP_OPTIONS="-l -c -s" # 重启TFTP服务器 sudo service tftpd-hpa restart
-
-
Ensure your linux user is in the group docker
-
创建docker group：
sudo groupadd docker -
Add your user to the
dockergroupsudo usermod -aG docker $USER -
执行以下命令
newgrp docker #之后就可以不再使用sudo了，输入以下命令进行测试 docker run hello-world -
添加权限
sudo chown "$USER":"$USER" /home/"$USER"/.docker -R sudo chmod g+rwx "$HOME/.docker" -R
-
-
下载Vitis AI 仓库
git clone --recurse-submodules https://github.com/Xilinx/VitisAI cd Vitis-AI -
下载最新的vitis AI 镜像
-
docker pull xilinx/vitis-ai-cpu:latest
- 运行容器
-
# 每次执行这个命令，一定要确认是否新建了docker容器 ./docker_run.sh xilinx/vitis-ai-cpu:latest
- 容器跑起来后，在具体容器中打补丁
-
You can install the patches by starting the Vitis AI Docker container, and installing the package to a specific conda environment. For example, patching the
unilogpackage in thevitis-ai-caffeconda environment： -
Vitis-AI /workspace > cd /tmp Vitis-AI /tmp > wget https://www.xilinx.com/bin/public/openDownload?filename=unilog-1.3.2-h7b12538_35.tar.bz2 -O unilog-1.3.2-h7b12538_35.tar.bz2 Vitis-AI /tmp > sudo conda install -n vitis-ai-caffe ./unilog-1.3.2-h7b12538_35.tar.bz2
- 安装交叉编译环境：【此项是在linux系统下安装，不是docker容器内！！！】
-
cd Vitis-AI/setup/mpsoc sudo chmod 777 host_cross_compiler_setup.sh sudo ./host_cross_compiler_setup.sh # 上述交叉编译完成之后，按照提示执行下述指令 #Please run the following command to enable Cross Compiler # source /home/vitis-ai-user/petalinux_sdk_2022.1/environment-setup-cortexa72-cortexa53-xilinx-linux #If you run the above command failed, run the following commands to enable Cross Compiler # unset LD_LIBRARY_PATH # source /home/vitis-ai-user/petalinux_sdk_2022.1/environment-setup-cortexa72-cortexa53-xilinx-linux -
交叉编译环境默认安装在
~/petalinux_sdk_2022.1
- source环境变量：【此项是在linux系统下安装，不是docker容器内！！！】
-
# 每个终端都要source！除非添加到.bashrc文件中！ source ~/petalinux_sdk_2022.1/environment-setup-cortexa72-cortexa53-xilinx-linux
-
以resnet50为例，交叉编译样例。编译不报错，生成可执行文件resnet50，则说明前面一切正常。【此项是在linux系统下安装，不是docker容器内！！！】
cd Vitis-AI/examples/VART/resnet50 bash –x build.sh
4.2 板卡配置
-
下载并设置官方镜像到板卡上
-
Use Etcher software to burn the image file onto the SD card.
-
Insert the SD card with the image into the destination board.
-
Plug in the power and boot the board using the serial port to operate on the system.
-
Set up the IP information of the board using the serial port.
# 查看IP地址 ifconfig # 设置固定的IP地址，新建interfaces文件 vi /etc/network/interfaces # 添加或调整以下内容 auto lo iface lo inet loopback auto eth0 iface eth0 inet static #static的作用是不需要虚拟机给我自动分配IP地址 address 192.168.1.4 netmask 255.255.255.0 gateway 192.168.1.1 # :wq!保存退出 # 重启网卡即可 ifdown eth0 // 先关掉 ifup eth0 // 再打开
-
-
模型部署
-
模型下载：从model zoo中下载原始浮点模型到工作站上，以tensorflow resnet50为例。
cd Vitis-AI wget https://www.xilinx.com/bin/public/openDownload? filename=tf_resnetv1_50_imagenet_224_224_6.97G_2.5.zip -O tf_resnetv1_50_imagenet_224_224_6.97G_2.5.zip unzip tf_resnetv1_50_imagenet_224_224_6.97G_2.5.zip -
模型量化：工作站docker容器环境内
# 1. 下载标定图片，并copy到Vitis-AI文件夹下 # 2. 启动docker容器 ./docker_run.sh xilinx/vitis-ai-cpu:latest # 3. Set CALIB_BATCH_SIZE in the tf_resnetv1_50_imagenet_224_224_6.97G_2.5/code/quantize/config.ini to 5. # 4. 激活conda仿真环境：vitis-ai-tensorflow，vitis-ai-tensorflow2，vitis-ai-pytorch等 conda activate vitis-ai-tensorflow # 5. 解压标定用图片到指定路径下 tar -xzvf Imagenet_calib.tar.gz -C tf_resnetv1_50_imagenet_224_224_6.97G_2.5/data # 6.改变路径 cd tf_resnetv1_50_imagenet_224_224_6.97G_2.5/code/quantize # 7.量化，量化后模型位于tf_resnetv1_50_imagenet_224_224_6.97G_2.5/quantized bash quantize.sh -
模型编译：工作站docker容器环境内
cd ../.. # 路径需要对应更改，ZCU102/ZCU104/... vai_c_tensorflow -f ./quantized/quantize_eval_model.pb \ -a /opt/vitis_ai/compiler/arch/DPUCZDX8G/ZCU102/arch.json -o ./compiled -n resnet50_tf -
模型部署：工作站上
# 复制编译好的模型到板卡，对应变更BOARD_IP [Host]$ scp tf_resnetv1_50_imagenet_224_224_6.97G_2.5/compiled/ resnet50_tf.xmodel root@[BOARD_IP]:~ # 当然，也可以试试直接下载xmodel文件到板卡，看是否可以直接运行【先在工作站上下载，在scp到板卡上，进行解压】 #wget https://www.xilinx.com/bin/public/openDownload?filename=resnet50-zcu102_zcu104_kv260-r2.5.0.tar.gz -O resnet50-zcu102_zcu104_kv260-r2.5.0.tar.gz #scp resnet50-zcu102_zcu104_kv260-r2.5.0.tar.gz root@[IP_OF_BOARD]:~/ #tar -xzvf resnet50-zcu102_zcu104_kv260-r2.5.0.tar.gz #具体放到板卡哪个路径下，需要仔细斟酌 #cp resnet50 /usr/share/vitis_ai_library/models -r -
下载图片并拷贝到板卡上，解压待用，用于模型测试：板卡上
# 需要确认测试图片是不是放在该路径下，与代码内对应 cd ~ tar -xzvf vitis_ai_runtime_r*2.5*_image_video.tar.gz -C VitisAI/examples/VART -
在板卡上运行编译好的模型：板卡上
cd ~/Vitis-AI/examples/VART/resnet50 # resnet50可执行文件需要先在工作站上交叉编译，再scp到板卡 # 交叉编译指令：sh -x build.sh ./resnet50 ~/resnet50_tf.xmodel -
在ZCU102/ZCU104板卡上运行Vitis AI样例命令：
ID Example Name Command 1 resnet50 ./resnet50 /usr/share/vitis_ai_library/models/resnet50/resnet50.xmodel 2 resnet50_pt ./resnet50_pt /usr/share/vitis_ai_library/models/resnet50_pt/resnet50_pt.xmodel …/images/001.jpg 3 resnet50_mt_py python3 resnet50.py 1 /usr/share/vitis_ai_library/models/resnet50/resnet50.xmodel 4 adas_detection ./adas_detection video/adas.webm /usr/share/vitis_ai_library/models/yolov3_adas_pruned_0_9/yolov3_adas_pruned_0_9.xmodel 5 segmentation ./segmentation video/traffic.webm /usr/share/vitis_ai_library/models/fpn/fpn.xmodel
-
4.3 访问板卡方法
- 串口
- 波特率：115200
- 数据位：8
- 停止位：1
- 校验位：no
- 以太网
- ssh连接方式：ssh username@IP
- 单机
- 键盘、鼠标、屏幕直接连到板卡，linux GUI桌面可直接显示；
4.4 Vitis-AI-Library ：
- 与VART不同，也有一些测试用例，详见GitHub
5. 虚拟机之ubuntu环境配置
5.1 FTP文件传输
-
这只是虚拟机和主机之间的其中一种文件传输方式，更多方式详见【领航者ZYNQ之嵌入式Linux开发指南】文档；
-
虚拟机为服务器，Windows为客户端（软件FileZilla）
#如果能联网，则装；否则不能使用ifconfig命令 # sudo apt install net-tools # ubuntu的FTP服务 sudo apt install vsftpd sudo gedit /etc/vsftpd.conf # 确保下面两行取消注释：去掉文中的#号 # local_enable=YES # write_enable=YES # 重启FTP服务 sudo /etc/init.d/vsftpd restart
6. 野生办法之在ZCU106板子上配置AI环境
-
参考链接
- 第一阶段：利用Vitis开发基于ZCU106的神经网络加速器（一）——Vitis概述及XRT编译
- 第二阶段：利用Vitis开发基于ZCU106的神经网络加速器（二）——DPU编译及Demo
- 前两阶段的综合：[Zcu106开发]离线环境下用Vitis搭建Zcu106嵌入式系统神经网络加速器踩坑实录
-
基本环境：
- Ubuntu 18.04 ：18.04.4即可，千万不要装18.04.6，2020.1版本的vitis/petalinux不兼容.6版本！
- Vitis 2020.1 ：集成vivado，该离线安装包贼大（30G+），同时再下载对应
Vivado_license_2037.lic文件导入破解！ - petalinux 2020.1
- Xilinx Runtime 2020.1
-
期间的大坑（前两个如果能联网，则忽略）：
- 在执行第一阶段期间，
make all的执行肯定会报错。紧接着，在执行make petalinux_proj XSA_DIR=命令之前，需要先配置petalinux的离线编译环境，将所下载的sstate文件包和download文件包解压放到相应位置，并通过petalinux-config指令进行配置。随后，再重新执行make petalinux_proj XSA_DIR=命令。 - 在执行第一阶段期间，上述离线编译环境配置完成后，还是会报错，经过对报错信息的分析发现，还是需要再下载一个common，并将之放到
zcu16_base/petalinux/build/tmp/work/aarch64-xilinx-linux/gst-interpipes/1.0.4-r0/git/common路径下即可。之后，make petalinux_proj XSA_DIR=命令可顺利执行完成。 - 在执行第二阶段期间，第4步
make KERNEL=DPU_SM DEVICE=zcu106时，报错ERROR: [VPL UTLZ-1] Resource utilization: RAMB18 and RAMB36/FIFO over-utilized in Top Level Design (This design requires more RAMB18 and RAMB36/FIFO cells than...，解决办法参考GitHub。 - 在执行第二阶段期间，第5步【烧录SD卡】期间，可能会涉及到使用
FileZilla软件传输sd_card.img文件到Windows系统，但请注意【千万不要选用SFTP-SSH File Transfer Protocol】协议，否则传输的文件会丢失！（本来3.3G的文件变成了1.5G…） - 在执行第二阶段期间，第7步【测试resnet50】期间，指令
env LD_LIBRARY_PATH=samples/lib XLNX_VART_FIRMWARE=/media/sd-mmcblk0p1/dpu.xclbin samples/bin/resnet50 img/bellpeppe-994958.JPEG执行之前，需要先使用cp model/resnet50.elf ./指令，正确设置elf模型文件的路径，否则会报错！经过测试发现，该测试用例所推理出的结果是错的！
- 在执行第一阶段期间，
-
VART之AI算法测试流程：
-
首先，使用上述第二阶段最后的测试用例，但测试结果与博客中一样，出现推理错误的情况！
-
其次，上述教程所生成的linux系统镜像很不错。因此，我们可以基于此系统，在ZCU106评估板上启动linux系统，搜集官方的AI算法例程加入其中，进行算法的二次开发工作。
-
之后，使用
Vitis-AI（1.2.1）/VART/samples中的AI例程，参考Vitis-AI/VART/README.md文件，配置相关编译依赖环境。该README.md文件中除了ZCU102/ZCU104官方镜像不能用到ZCU106评估板之外（用上述生成的镜像代替），其余东西应装尽装，包括Optional选项均可以正常安装。 -
随后，将
Vitis-AI/VART/samples/路径下的示例一一进行编译后，可以直接把整个``Vitis-AI`工程拷贝到ZCU106评估板，进行后续的AI算法测试。 -
经测试，Vitis-AI工程中所提供的适用于ZCU104评估板的AI模型可以直接适用于ZCU106，参照README.md文件中./resnet50 model_dir_for_zcu104/resnet50.elf等相关例程，直接在ZCU106评估板上运行即可。但其中
resnet50_mt_py和inception_v1_mt_py，涉及到python3指令运行会报错terminate called after throwing an instance of 'pybind11::error_already_set'，具体解决办法未知。但其他cpp的例程交叉编译后，在ZCU106上均能正常运行。 -
拷贝
sd_card.img文件到SD卡之后，默认并没有完全使用SD卡的64G空间，通过MobaXterm的串口进入ZCU106的系统后： -
# 该部分过程在ZCU106系统内进行 # 查看硬盘及所属分区情况 fdisk -l # 打开磁盘分区管理 sudo fdisk /dev/mmcblk0 # 输入 n，新建一个磁盘分区 # 输入 p，选择主分区 # 输入 3，新建分区号为3（根据实际情况，灵活设置） # 输入 w，保存分区表并退出。 # 格式化新建的分区3 mkfs -t ext4 /dev/mmcblk0p3 # 将之挂载到根目录下（灵活调整分区号） mount -t ext4 /dev/mmcblk0p3 /- 以上扩容办法不行，尚未找到解决办法，应对措施如下：
- 正常使用balenaEtcher软件烧录到SD卡；
- 将SD卡中两个分区中的文件备份出来；
- 按照
3_领航者ZYNQ之嵌入式Linux开发指南_V2.2.pdf中6.2.10小节内容，手动给SD卡重新分区； - 分别将
2.小节备份出来的内容分别放回去即可。
- 以上扩容办法不行，尚未找到解决办法，应对措施如下：
-
运行期间，如果想直接把图片/视频在显示器上直观地显示出来，参照以下命令：
# 方式1：使用ZCU106评估板上的DP接口输出图片到显示器，HDMI似乎不太行... export DISPLAY=:0.0 # 方式2：显示到主机上（借助MobaXterm软件，需要将setting -> X11 -> X11 setting -> X11 remote access选项改为full）。此种方式需要通过SSH方式连接，而不是串口。 export DISPLAY=192.168.1.3（主机IP）:0.0 # 之后，再执行相应算法运行指令即可正常显示图片/视频流。 ./resnet50 model_dir_for_zcu104/resnet50.elf # 在服务器上交叉编译可执行文件 cd ~/vitis_wild/Vitis-AI/Vitis-AI-Library/overview/samples/refinedet/ # 必须得是.，不能用source！ . /opt/petalinux/2020.1/environment-setup-aarch64-xilinx-linux bash -x build.sh #之后，将编译好的可执行文件拷贝到ZCU106评估板即可运行 0：USB相机 8：所开启线程数 cd Vitis-AI/examples/Vitis-AI-Library/samples/yolov4 ./exec/test_video_yolov4 /usr/share/vitis_ai_library/models/yolov4_leaky_416_tf/yolov4_leaky_416_tf.xmodel 0 -t 8
-
-
Vitis-AI-Library之AI算法测试流程：参照VART之AI算法流程，估计算法也能运行。
-
Vitis AI DNNDK之AI算法测试流程：参照VART之AI算法流程，估计算法也能运行。
7. 编译运行Vitis-AI 2.5
7.1 工作站上编译DPU支持的xmodel模型文件
# 在服务器的vitisAI虚拟机上
cd Vitis-AI
# 启动docker环境（编译xmodel用；交叉编译可执行文件不用这个，其只需要source一下sysroot下的环境即可）
./docker_run.sh xilinx/vitis-ai-cpu:latest
# 以下完全是在docker容器内进行操作
# 根据模型启动对应的conda环境
conda activate vitis-ai-tensorflow2
# 将下载好的GPU版本的model拷贝至./model_zoo/model_xy/路径下，
cd model_zoo/model_xy/tf2_yolov3_coco_416_416_65.9G_2.5/
# 之后依据所下载model压缩包内quantized路径下量化好的模型，进行编译生成xmodel模型文件
# 1,416,416,3根据原始模型进行调整
vai_c_tensorflow2 -m ./quantized/quantized.h5 -a ../../../arch.json -o ./compiled/ -n xxx -e "{'input_shape':'1,416,416,3'}"
7.2 ZCU106评估板之gdb调试技巧
# 以下操作均在ZCU106平台进行
cd Vitis-AI/examples/Vitis-AI-Library/samples/yolov4
# 启动gdb
gdb
（gdb）file exec/test_video_yolov4
（gdb）set args model/yolo4_tf.xmodel 0 -t 8
（gdb）run
# 查看某进程是否启动
top | grep yolo（进程名）
8. 报错信息
8.1 运行容器docker_run.sh
# 报错信息
bash /bin/bash^m bad interpreter no such file or directory
# or
line $'\r' command not found
# 解决办法
sed -i -e 's/\r$//' setup.sh
8.2 安装vitis2020.1时没有弹出安装窗口
- vitis2020.1/petalinux2020.1官方支持到ubuntu18.04.4，因此不要安装.6版本的ubuntu
# 终端报错
exception in thread main java.lang.illegalstateexception: no splash screen available
at java.desktop/java.awt.SplashScreen.checkVisible(Unknown Source)
at java.desktop/java.awt.SplashScreen.close(Unknown Source)
at com.xilinx.installer.gui.G.b(Unknown Source)
at com.xilinx.installer.gui.InstallerGUI.G(Unknown Source)
at com.xilinx.installer.gui.InstallerGUI.e(Unknown Source)
at com.xilinx.installer.api.InstallerLauncher.main(Unknown Source)
# 解决办法（野办法）
The installer has been tested on my arch OS.
1. backup your /usr/lib/os-release.
2. replace the file content with:
NAME="Ubuntu"
VERSION="18.04.3 LTS (Bionic Beaver)"
ID=ubuntu
ID_LIKE=debian
PRETTY_NAME="Ubuntu 18.04.3 LTS"
VERSION_ID="18.04"
HOME_URL="https://www.ubuntu.com/"
SUPPORT_URL="https://help.ubuntu.com/"
BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
VERSION_CODENAME=bionic
UBUNTU_CODENAME=bionic
3. run xsetup
4. restore os-release
Good luck.
9. Ubuntu下Conda环境迁移
- Conda 提供了多种复制项目环境的方法, 创建环境的克隆可以提供定制的基本环境或该环境的快照。
conda-pack可创建特定于平台和操作系统的环境副本, 可以打包包括软件包二进制文件在内的整个环境，这在带宽不足或没有网络的情况下很有用。Conda导出environment.yml的方式非常适合在不同平台和操作系统之间重新创建环境, 但需要连接网络 !
9.1 Conda Pack方式
Conda-pack是一个命令行工具，用于打包 conda 环境，其中包括该环境中安装的软件包的所有二进制文件。 当您想在没有网络的系统中重现环境时，此功能很有用。- 其他conda打包环境的方法均从其各自的存储库下载软件包以创建环境, 而此方法不需要。注意，conda-pack 指定平台和操作系统，目标计算机必须具有与源计算机相同的平台和操作系统。
- 将本地环境打包
# 首先在base环境下安装Conda Pack
pip install conda-pack
# 打包环境
conda pack -n [my_env] -o [out_name].tar.gz
- 目标机器内安装环境
- 在服务器anaconda文件夹的envs目录下创建目标环境文件夹。然后解压即可使用。
cd /home/xuyang/anaconda3/envs/
# -p 指可以多级创建目录
mkdir -p [my_env]
# -C 后面接文件夹路径
tar -xzf [my_env].tar.gz -C [my_env]
# 直接启用python解释器, 使用python而不激活或修复前缀。
# 大多数python库可以正常工作，但需要处理前缀的部分将失败。
./[my_env]/bin/python
# 激活环境，同时这步操作会将路径`my_env/bin`添加到环境变量path
source ./[my_env]/bin/activate
# 在环境中运行python
(my_env) $ python
# 从激活环境中清除前缀, 只要机器上已经安装了某个版本的python。
# 此步可先不执行, 看环境是否能正常启动运行. 后续报错的话再回来执行这个!
# [prefix: /home/xuyang/anaconda3/envs/772_track] 只要原机器和目标机器安装路径/用户名等一致, 不执行这个应该不会报错!
(my_env) $ conda-unpack
# 此时，环境与您在此路径直接使用conda安装的环境完全相同。
# 所有脚本都应该工作正常。
(my_env) $ ipython --version
# 停用环境以将其从环境变量 path 中删除
(my_env) $ source my_env/bin/deactivate
# 即可查到虚拟环境列表中已经出现了新加入的虚拟环境。
conda env list
9.2 Environment.yml方式
- 使用
-export选项生成一个environment.yml文件，以在不同的平台和操作系统之间复现项目环境。environment.yml文件不针对特定操作系统，并且使用YAML格式。environment.yml仅列出了软件包名称，由 conda 基于软件包的名称构建环境, 目标设备需要能联网。
- 导出
environment.yml文件
# 如果当前路径已经有了environment.yml文件，conda会重写这个文件
conda env export > environment.yml
- 重现环境
conda env create -f environment.yml
10. Ubuntu_server离线安装软件
10.1 ubuntu离线安装ssh-server
-
查看当前的服务器是否安装了ssh-server服务，默认只安装ssh-client服务：
dpkg -l | grep ssh -
首先明确
apt和apt-get命令的区别：apt-get在安装软件之前先将所需的安装包下载到本地然后再安装；apt命令直接联网安装并不下载。- 所以可以利用
apt-get先下载再安装的特点，来收集所需的离线安装包。
-
apt-get命令将安装包都下载到/var/cache/apt/archives目录下，为了避免其他安装包的干扰，需要先使用apt clean all命令将该目录下的缓存包清理一下：sudo apt clean all之后，检查一下该路径下只剩下
lock和partial两个东西！ -
下载所需的deb包到
archives路径下：【注意：一定要用apt-get】sudo apt-get install -y openssh-server -
接下来，需要把除
lock和partial之外的所有deb包下载到U盘，然后再到离线的机器上去安装。 -
传到离线服务器
/home/username/ssh_deb目录下，直接dpkg -i *.deb即可完成安装。 -
查看进程是否启动：
# 如果看到sshd那说明ssh-server已经启动了。 ps -ef | grep sshd # 如果没有则可以这样启动： sudo /etc/init.d/ssh start # or sudo service ssh start
10.2 ubuntu离线安装MobaXterm
-
We can use MobaXterm’s
portable exeand run it usingwineonUbuntu. MobaXterm portable version could be downloaded from here.离线安装wine：
-
如果正在运行64位Ubuntu Linux系统以安装Wine，则需要首先启用i386架构：
dpkg --add-architecture i386 -
使用同
9.1的方式安装wine：# 先到能联网的机器上执行下述指令，一定要用apt-get！ sudo apt clean all sudo apt-get install -y openssh-server # 传输deb包后，再到离线服务器上执行下述指令 sudo dpkg -i *.deb
-
-
Once you have installed
wineon your linux distro, you simply need to unzip the file downloaded from the above link (thus revealing theportable exe) and run theexeas：wine /path/to/MobaXterm/Portable/exe -
添加桌面快捷方式
-
Download MobaXtrem icon and save it on MobaXtrem folder with name
icon.jpg -
Create file
.desktop：cd /usr/share/applications (Global) or cd ~/.local/share/applications/ (Local) vi mobaXtrem.desktopand past the content：对路径进行调整
[Desktop Entry] Name=MobaXtrem Exec=env WINEPREFIX="/home/ysellami/.wine" wine /home/ysellami/path/to/MobaXterm/MobaXterm_Personal_22.2_Preview2.exe Type=Application Icon=/home/ysellami/path/to/MobaXterm/icon.jpg StartupNotify=true
-
-
如果实在装不上，就使用最原始的ssh终端方式，连接远端设备；此外，还可以在ubuntu下使用vscode实现MobaXterm的ssh连接功能。
ssh [email protected] # 其中，username为192.168.1.103机器上的用户，需要输入密码。 # 断开连接：exit