苏州网站建设优化徐州网站二次开发

张

张建站

2026/4/7 10:19:18

10分钟阅读

苏州网站建设优化,徐州网站二次开发,淘宝店铺推广,网上三维展馆网站是怎么做的VMware虚拟机部署SDPose-Wholebody开发环境想在虚拟机里跑起最新的133点人体姿态估计模型#xff1f;这篇教程帮你避开所有坑如果你正在尝试在VMware虚拟机中部署SDPose-Wholebody#xff0c;可能已经遇到了显卡直通、CUDA兼容性等各种头疼问题。别担心#xff0c;我花了三…VMware虚拟机部署SDPose-Wholebody开发环境想在虚拟机里跑起最新的133点人体姿态估计模型这篇教程帮你避开所有坑如果你正在尝试在VMware虚拟机中部署SDPose-Wholebody可能已经遇到了显卡直通、CUDA兼容性等各种头疼问题。别担心我花了三天时间踩遍了所有可能的坑总结出了这份真正可用的部署方案。SDPose-Wholebody是基于Stable Diffusion的人体姿态估计模型能够精准识别133个关键点包括身体、手部、脸部和脚部。无论是在动画制作、健身指导还是人机交互领域这都是一个非常强大的工具。1. 环境准备与VMware配置1.1 虚拟机基础设置首先确保你的VMware版本足够新推荐使用VMware Workstation 17或更高版本。旧版本对GPU直通的支持可能不够完善。创建虚拟机时选择Linux Ubuntu 22.04 LTS这是目前最稳定的选择。分配资源时要注意内存至少16GB推荐32GBCPU核心8核以上越多越好硬盘空间100GB以上模型文件很大1.2 显卡直通配置这是最关键的一步。VMware的GPU直通需要主机支持VT-d/AMD-V技术# 首先在主机BIOS中开启VT-d/AMD-V功能 # 然后在VMware虚拟机设置中添加PCI设备 # 检查GPU是否可用 lspci | grep -i nvidia # 安装VMware Tools确保更好的硬件兼容性 sudo apt update sudo apt install open-vm-tools-desktop如果直通后虚拟机无法启动可能是显卡被主机系统占用。需要在主机BIOS中设置首选显卡为集成显卡让独显专门给虚拟机使用。2. 基础环境搭建2.1 安装NVIDIA驱动和CUDA在虚拟机中安装NVIDIA驱动有些特殊注意事项# 首先更新系统 sudo apt update sudo apt upgrade -y # 安装基础开发工具 sudo apt install build-essential git python3-pip -y # 添加NVIDIA官方PPA sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update # 安装推荐版本的驱动通常是最新的稳定版 ubuntu-drivers devices sudo apt install nvidia-driver-535 -y # 重启使驱动生效 sudo reboot # 验证驱动安装 nvidia-smi安装CUDA Toolkit时选择与驱动兼容的版本# 下载并安装CUDA 11.8与大多数AI模型兼容性好 wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run sudo sh cuda_11.8.0_520.61.05_linux.run # 设置环境变量 echo export PATH/usr/local/cuda/bin:$PATH ~/.bashrc echo export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATH ~/.bashrc source ~/.bashrc2.2 安装CUDNN和Python环境# 安装CUDNN需要注册NVIDIA开发者账号下载 # 下载后解压并复制文件 sudo tar -xvf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 sudo chmod ar /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* # 创建Python虚拟环境 python3 -m venv sdpose-env source sdpose-env/bin/activate # 安装PyTorch选择与CUDA 11.8兼容的版本 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu1183. SDPose-Wholebody部署3.1 克隆项目并安装依赖# 克隆官方仓库 git clone https://github.com/t-s-liang/SDPose-OOD.git cd SDPose-OOD # 安装项目依赖 pip install -r requirements.txt # 额外安装一些可能缺失的包 pip install gradio opencv-python-headless matplotlib3.2 下载预训练模型SDPose需要两个核心模型人体检测模型和姿态估计模型。# 创建模型目录 mkdir -p models # 下载YOLO11-x人体检测模型 wget https://github.com/ultralytics/assets/releases/download/v8.3.0/yolo11x.pt -P models/ # 下载SDPose-Wholebody预训练权重 # 从Hugging Face下载需要先安装git-lfs sudo apt install git-lfs git lfs install git clone https://huggingface.co/teemosliang/SDPose-Wholebody models/SDPose-Wholebody3.3 解决常见的依赖问题在虚拟机环境中经常会遇到一些依赖问题这里提供解决方案# 解决libGL问题 sudo apt install libgl1-mesa-glx -y # 解决CUDA内存分配问题在虚拟机中常见 export PYTORCH_CUDA_ALLOC_CONFmax_split_size_mb:512 # 如果遇到显卡内存不足可以尝试减小batch size export SDPOSE_BATCH_SIZE44. 测试运行4.1 运行Gradio演示界面# 进入演示目录 cd gradio_app # 给启动脚本添加执行权限 chmod x launch_gradio.sh # 运行演示首次运行会下载一些额外模型需要耐心等待 bash launch_gradio.sh如果一切正常你应该能看到类似这样的输出Running on local URL: http://127.0.0.1:7860在虚拟机中你可能需要配置端口转发才能从主机访问。在VMware网络设置中将虚拟机的7860端口映射到主机的某个端口如7860。4.2 验证安装是否成功创建一个简单的测试脚本来验证所有组件都正常工作#!/usr/bin/env python3 import torch import cv2 import numpy as np from mmpose.apis import inference_topdown, init_model from mmpose.utils import register_all_modules # 检查CUDA是否可用 print(fCUDA available: {torch.cuda.is_available()}) print(fCUDA device count: {torch.cuda.device_count()}) if torch.cuda.is_available(): print(fCurrent device: {torch.cuda.current_device()}) print(fDevice name: {torch.cuda.get_device_name(0)}) # 检查MMPose是否能正常初始化 try: register_all_modules() print(MMPose modules registered successfully) except Exception as e: print(fMMPose registration failed: {e})5. 常见问题与解决方案5.1 显卡直通问题问题虚拟机启动后看不到NVIDIA显卡解决检查主机BIOS中VT-d/AMD-V是否开启确认显卡没有被主机占用问题nvidia-smi显示正确但CU不可用解决可能是驱动版本不兼容尝试安装不同版本的驱动5.2 内存不足问题在虚拟机中运行大型AI模型经常遇到内存不足的问题# 增加虚拟机交换空间 sudo fallocate -l 8G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile # 永久生效 echo /swapfile none swap sw 0 0 | sudo tee -a /etc/fstab5.3 性能优化建议虚拟机中的GPU性能会有一定损耗可以通过这些设置优化# 在虚拟机配置文件中添加这些参数 monitor_control.restrict_backdoor TRUE monitor_control.disable_directexec TRUE monitor_control.disable_chksimd TRUE monitor_control.disable_ntreloc TRUE monitor_control.disable_selfmod TRUE monitor_control.disable_reloc TRUE monitor_control.disable_btinout TRUE monitor_control.disable_btpriv TRUE monitor_control.disable_btseg TRUE6. 实际使用技巧6.1 批量处理图像SDPose支持批量处理这在虚拟机环境中特别有用import os from glob import glob from mmpose.apis import inference_topdown, init_model # 初始化模型 model init_model(configs/wholebody_config.py, models/SDPose-Wholebody/model.safetensors) # 批量处理图像 image_folder input_images output_folder output_results os.makedirs(output_folder, exist_okTrue) for img_path in glob(os.path.join(image_folder, *.jpg)): results inference_topdown(model, img_path) # 保存结果...6.2 性能监控在虚拟机中运行时要特别注意资源使用情况# 监控GPU使用情况 watch -n 1 nvidia-smi # 监控内存使用 watch -n 1 free -h # 监控CPU使用 htop总结在VMware虚拟机中部署SDPose-Wholebody确实比物理机要复杂一些主要是显卡直通和性能优化方面需要额外注意。但一旦配置成功就能在隔离的环境中享受这个强大的人体姿态估计工具了。实际用下来VMware 17的GPU直通已经相当稳定性能损耗大约在10-15%左右对于开发和测试来说完全可接受。最重要的是虚拟机环境让你可以随意尝试各种配置不用担心搞坏主系统。如果你在部署过程中遇到其他问题建议查看SDPose的官方GitHub仓库那里有最新的问题解答和社区支持。记得在运行大型任务前总是先检查资源使用情况避免因为内存不足导致进程被杀死。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。