欢迎关注我的公众号 [极智视界]，获取我的更多经验分享
大家好，我是极智视界，本文来介绍一下 地平线天工开物工具链docker开发环境搭建。
邀您加入我的知识星球「极智视界」，星球内有超多好玩的项目实战源码下载，链接：t.zsxq.com/0aiNxERDq
准备开工开物工具链：OE工具链
准备数据集：可以参考地平线官方: OE数据集准备
比如将准备好的数据集放到 /data 目录
加载镜像：
# 加载gpu镜像
docker load < docker_openexplorer_ubuntu_20_xj3_gpu_v2.6.2b.tar.gz
# 加载cpu镜像
docker load < docker_openexplorer_ubuntu_20_xj3_cpu_v2.6.2b.tar.gz
创建容器：
执行如下脚本：
# gpu docker
./run_docker.sh /data
# cpu docker
./run_docker.sh /data cpu
#!/bin/bash
dataset_path=$1
run_type=$2
version=v2.6.2b
if [ -z "$dataset_path" ];then
echo "Please specify the dataset path"
exit
fi
dataset_path=$(readlink -f "$dataset_path")
echo "Docker version is ${version}"
echo "Dataset path is $(readlink -f "$dataset_path")"
open_explorer_path=$(readlink -f "$(dirname "$0")")
echo "OpenExplorer package path is $open_explorer_path"
if [ "$run_type" == "cpu" ];then
docker run -it -p 9991:22 --net=bridge --ipc=host --pid=host --name oe_infer
-v "$open_explorer_path":/open_explorer
-v "$dataset_path":/data/horizon_x3/data
-v /workspace:/workspace
openexplorer/ai_toolchain_ubuntu_20_xj3_cpu:"$version"
else
echo "Run in GPU mode"
docker run -it -p 9991:22 --net=bridge --ipc=host --pid=host --name oe_infer
--gpus all --privileged
-v "$open_explorer_path":/open_explorer
-v "$dataset_path":/data/horizon_x3/data
-v /workspace:/workspace
openexplorer/ai_toolchain_ubuntu_20_xj3_gpu:"$version"
fi
因为后面要训练啥的，所以就默认创建 gpu docker 了，直接执行上述创建 gpu docker 的命令后，就有了名为 oe_infer 的容器了，使用命令 nvidia-smi 和 nvcc -V 验证一下 cuda 环境是否正常，如下：
容器里边的 /open_explorer 目录，就已经映射到了最开始准备的天工开物工具链的包路径，进入容器后，首先使用 hb_mapper 命令验证环境是否正常，如下：
这样基础的容器环境已经搭建，后面基于基础容器环境进一步进行配置。
天工开物工具链要求的一般环境如下：
- 操作系统：Ubuntu20.04
- Python3.8
- libpython3.8
- python3-devel
- python3-pip
- gcc&c++: 5.4.0
- graphviz
- cuda11.1
- torch1.10.2+cuda11.1
- torchvision0.11.3+cuda11.1
首先安装一下 python 环境，这里用 anaconda3 进行 python 环境管理 (安装 anaconda3 的过程略过)。然后创建 python3.8 的环境：
conda create -n oe_py38 python=3.8
# 激活
conda activate oe_py38
工具链依赖安装：
apt update
apt install language-pack-en
update-locale LC_ALL=en_US.utf8
cd /open_explorer/ddk/package/host/ai_toolchain
bash install_ai_toolchain.sh
如果遇到报错：
Building wheels for collected packages: pycocotools
Building wheel for pycocotools (setup.py) ... error
error: subprocess-exited-with-error
× python setup.py bdist_wheel did not run successfully.
│ exit code: 1
╰─> [43 lines of output]
/tmp/pip-install-usyyw9sm/pycocotools_4bac52cd9bd64fc28e2f32053854883e/setup.py:12: _DeprecatedInstaller: setuptools.installer and fetch_build_eggs are deprecated.
.....
creating build/common
creating build/temp.linux-x86_64-cpython-38
creating build/temp.linux-x86_64-cpython-38/common
creating build/temp.linux-x86_64-cpython-38/pycocotools
gcc -pthread -B /root/anaconda3/envs/oe_py38/compiler_compat -Wl,--sysroot=/ -Wsign-compare -DNDEBUG -g -fwrapv -O3 -Wall -Wstrict-prototypes -fPIC -I/root/.local/lib/python3.8/site-packages/numpy/core/include -I./common -I/root/anaconda3/envs/oe_py38/include/python3.8 -c ../common/maskApi.c -o build/temp.linux-x86_64-cpython-38/../common/maskApi.o -Wno-cpp -Wno-unused-function -std=c99
gcc: error: ../common/maskApi.c: No such file or directory
error: command '/usr/bin/gcc' failed with exit code 1
[end of output]
note: This error originates from a subprocess, and is likely not a problem with pip.
ERROR: Failed building wheel for pycocotools
Running setup.py clean for pycocotools
Failed to build pycocotools
ERROR: Could not build wheels for pycocotools, which is required to install pyproject.toml-based projects
解决办法是安装 cpython，而且是一定要安装较低版本的 cpython，版本太高也不行 (这个坑也是卡了好几天)：
pip install cython==0.29.36
然后重新安装 install_ai_toolchain.sh 就可，采用如下命令验证是否安装成功：
pip show horizon_nn && pip show horizon_tc_ui
这样 工具链的 docker 开发环境就全部安装完成了。
好了，以上分享了地平线天工开物工具链docker开发环境搭建。希望我的分享能对你的学习有一点帮助。
【公众号传送】
畅享人工智能的科技魅力，让好玩的AI项目不难玩。邀请您加入我的知识星球， 星球内我精心整备了大量好玩的AI项目，皆以工程源码形式开放使用，涵盖人脸、检测、分割、多模态、AIGC、自动驾驶、工业等。不敢说会对你学习有所帮助，但一定非常好玩，并持续更新更加有趣的项目。 t.zsxq.com/0aiNxERDq
