尧图网站建设 
windows环境部署只看1-610远程SSH无桌面服务器部署时看1-101.创建环境conda create -n mujoco_graspnet python3.10 conda activate mujoco_graspnet2.安装requirements.txtcd graspnet-baseline pip install -r requirements.txt锁定版本防止后续操作自动升级conda config --add pinned_packages numpy1.23.4报错ERROR: Could not find a version that satisfies the requirement tensorboard (from versions: none)ERROR: No matching distribution found for tensorboard//直接用Conda安装tensorboard conda install tensorboard -y3.安装torch# CUDA 12.1 conda install pytorch2.2.0 torchvision0.17.0 torchaudio2.2.0 pytorch-cuda12.1 -c pytorch -c nvidia pip install torch2.2.0 torchvision0.17.0 torchaudio2.2.0 --index-url https://pypi.tuna.tsinghua.edu.cn/simple安装相关包//配置清华源 pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple //安装包 pip install spatialmath-python1.1.14 pip install roboticstoolbox-python1.1.1 pip install modern-robotics1.1.1 pip install mujoco3.3.14.编译并安装PointNet自定义算子cd pointnet2 python setup.py install cd ../RuntimeError: Error compiling objects for extension安装2019版本的vsVS2019 Community 社区版下载链接_vs2019社区版下载-CSDN博客5.编译并安装k-最近邻k-NN算子cd knn python setup.py install cd ../error LNK2001: 无法解析的外部符号 public: long * __cdecl at::TensorBase::data_ptrlong(void)const (??$data_ptrJTensorBaseatQEBAPEAJXZ)删除build、dist、knn_pytorch.egg-info残留缓存文件夹将knn文件下所有的long改为int64_t并在每个文件中添加头文件#include cstdint6.安装graspnetAPI工具包修改setup.py将sklearn替换为scikit-learncd graspnetAPI pip install . cd ../下载GraspNet-baseline的预训练权重manipulator_grasp/logs/log_rs/checkpoint-rs.tar检查依赖冲突pip check运行demopython demo.py --checkpoint_path checkpoint-rs.tar的绝对路径成功7.使用ssh 的 X11转发功能配置图形化界面远程SSH无桌面服务器1Windows端配置下载VcXsrv启动配置Display number:保持默认设置为-1多窗口模式。Start no client:勾选不需要它启动任何本地客户端。Disable access control勾选。启动后系统托盘显示“X”图标。验证本地监听打开Windows命令提示符netstat -an | findstr :6000输出为TCP 0.0.0.0:6000 0.0.0.0:0 LISTENING TCP [::]:6000 [::]:0 LISTENING即可更改 ssh 配置文件Host test Hostname test.com User test IdentityFile ~/.ssh/id_rsa ForwardX11 yes ForwardX11Trusted yes通过VSCode连接到远程服务器打开终端检查X11转发是否激活echo $SSH_CLIENT显示本地IP和端口运行SSH检查命令echo $DISPLAY输出localhost:10.0SSH配置正确2服务器端的配置打开vs连接远程服务器启用SSH X11转发# 编辑SSH配置文件 sudo nano /etc/ssh/sshd_config # 修改以下内容 X11Forwarding yes X11UseLocalhost no X11DisplayOffset 10 AllowTcpForwarding yes PermitTunnel yes # 重启SSH服务 sudo systemctl restart sshd # 安装xauth sudo apt install xauth # Debian/Ubuntu sudo yum install xauth # CentOS/RHEL安装X11客户端库sudo apt update sudo apt install -y x11-apps xauth完整性检查which xclock which xauth诊断环境变量与权限env | grep -E (DISPLAY|XAUTHORITY)输出类似于DISPLAYlocalhost:10.0 XAUTHORITY/tmp/ssh-XXXXXXxxxxx/.Xauthority即可测试图形转发xeyes在Windows上出现一双眼睛无法运行使用strace追踪系统调用strace -f -e traceconnect,write,read xclock 21 | grep -i display注意如果始终不成功有可能是网络问题可以选择换网络测试需要重启vs8.使用OSMesa软件渲染远程SSH无桌面服务器安装缺失的Mesa驱动和OpenGL运行库sudo apt update sudo apt install --reinstall libgl1-mesa-glx libgl1-mesa-dri mesa-utils校验核心驱动文件是否存在ls /usr/lib/x86_64-linux-gnu/dri/iris_dri.so ls /usr/lib/x86_64-linux-gnu/dri/swrast_dri.so两个文件正常输出路径就说明系统层面的软件渲染依赖已经就绪。设置环境变量export LIBGL_ALWAYS_SOFTWARE1 export MUJOCO_GLosmesa python main.py提示ERROR: could not initialize GLFWconda install -c conda-forge libffi强制使用 CPU 软件渲染安装Python侧OpenGL关联依赖pip install PyOpenGL安装OpenGL 相关包conda install -c conda-forge mesa-libgl conda install -c conda-forge glfw安装mesa-utilssudo apt update sudo apt install mesa-utils -y检查OpenGL 版本和驱动信息glxinfo | grep OpenGL9.切换GPU渲染图形界面查看当前OpenGL使用的显卡glxinfo | grep -i OpenGL renderer查看当前显卡模式prime-select queryon-demand —— 按需模式默认使用 Intel需要手动用prime-run或DRI_PRIME1指定使用 NVIDI安装nvidia-primesudo apt update sudo apt install nvidia-prime创建prime-run命令sudo nano /usr/local/bin/prime-run粘贴脚本内容#!/bin/bash __NV_PRIME_RENDER_OFFLOAD1 __GLX_VENDOR_LIBRARY_NAMEnvidia __VK_LAYER_NV_optimusNVIDIA_only $执行权限sudo chmod x /usr/local/bin/prime-run确认创建成功which prime-run测试是否能调用独显运行程序prime-run glxinfo | grep OpenGL renderer显示NVIDIA显卡成功添加cuda目录nano ~/.bashrc添加环境变量export CUDA_HOME/usr/local/cuda-12.1 export LD_LIBRARY_PATH$CUDA_HOME/lib64:$CUDA_HOME/extras/CUPTI/lib64:$LD_LIBRARY_PATH10.运行YOLO_World-SAM-GraspNet项目安装环境pip install ultralytics8.3.98 pip install githttps://github.com/openai/CLIP.git运行main_yoloWorld_sam.py在命令终端输入待抓取物体第一次运行命令会下载模型随后会生成目标检测结果、SAM掩码图以及预测抓取姿态注意目标检测结果、SAM掩码图在当前工作目录下生成参考文章【Mujoco】YOLO_World-SAM-GraspNet机械臂抓取仿真_mujoco机械臂抓取-CSDN博客VSCode『SSH』连接服务器『GUI界面』传输 - 知乎从Windows远程显示Linux图形程序SSH X11转发完整指南 - 知乎VSCode连接Ubuntu服务器显示GUI界面常见报错排查Graspnet(一)——Windos11复现_graspnet复现-CSDN博客 YOLO_World-SAM-GraspNet记录
windows环境部署只看1-610远程SSH无桌面服务器部署时看1-101.创建环境conda create -n mujoco_graspnet python3.10 conda activate mujoco_graspnet2.安装requirements.txtcd graspnet-baseline pip install -r requirements.txt锁定版本防止后续操作自动升级conda config --add pinned_packages numpy1.23.4报错ERROR: Could not find a version that satisfies the requirement tensorboard (from versions: none)ERROR: No matching distribution found for tensorboard//直接用Conda安装tensorboard conda install tensorboard -y3.安装torch# CUDA 12.1 conda install pytorch2.2.0 torchvision0.17.0 torchaudio2.2.0 pytorch-cuda12.1 -c pytorch -c nvidia pip install torch2.2.0 torchvision0.17.0 torchaudio2.2.0 --index-url https://pypi.tuna.tsinghua.edu.cn/simple安装相关包//配置清华源 pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple //安装包 pip install spatialmath-python1.1.14 pip install roboticstoolbox-python1.1.1 pip install modern-robotics1.1.1 pip install mujoco3.3.14.编译并安装PointNet自定义算子cd pointnet2 python setup.py install cd ../RuntimeError: Error compiling objects for extension安装2019版本的vsVS2019 Community 社区版下载链接_vs2019社区版下载-CSDN博客5.编译并安装k-最近邻k-NN算子cd knn python setup.py install cd ../error LNK2001: 无法解析的外部符号 public: long * __cdecl at::TensorBase::data_ptrlong(void)const (??$data_ptrJTensorBaseatQEBAPEAJXZ)删除build、dist、knn_pytorch.egg-info残留缓存文件夹将knn文件下所有的long改为int64_t并在每个文件中添加头文件#include cstdint6.安装graspnetAPI工具包修改setup.py将sklearn替换为scikit-learncd graspnetAPI pip install . cd ../下载GraspNet-baseline的预训练权重manipulator_grasp/logs/log_rs/checkpoint-rs.tar检查依赖冲突pip check运行demopython demo.py --checkpoint_path checkpoint-rs.tar的绝对路径成功7.使用ssh 的 X11转发功能配置图形化界面远程SSH无桌面服务器1Windows端配置下载VcXsrv启动配置Display number:保持默认设置为-1多窗口模式。Start no client:勾选不需要它启动任何本地客户端。Disable access control勾选。启动后系统托盘显示“X”图标。验证本地监听打开Windows命令提示符netstat -an | findstr :6000输出为TCP 0.0.0.0:6000 0.0.0.0:0 LISTENING TCP [::]:6000 [::]:0 LISTENING即可更改 ssh 配置文件Host test Hostname test.com User test IdentityFile ~/.ssh/id_rsa ForwardX11 yes ForwardX11Trusted yes通过VSCode连接到远程服务器打开终端检查X11转发是否激活echo $SSH_CLIENT显示本地IP和端口运行SSH检查命令echo $DISPLAY输出localhost:10.0SSH配置正确2服务器端的配置打开vs连接远程服务器启用SSH X11转发# 编辑SSH配置文件 sudo nano /etc/ssh/sshd_config # 修改以下内容 X11Forwarding yes X11UseLocalhost no X11DisplayOffset 10 AllowTcpForwarding yes PermitTunnel yes # 重启SSH服务 sudo systemctl restart sshd # 安装xauth sudo apt install xauth # Debian/Ubuntu sudo yum install xauth # CentOS/RHEL安装X11客户端库sudo apt update sudo apt install -y x11-apps xauth完整性检查which xclock which xauth诊断环境变量与权限env | grep -E (DISPLAY|XAUTHORITY)输出类似于DISPLAYlocalhost:10.0 XAUTHORITY/tmp/ssh-XXXXXXxxxxx/.Xauthority即可测试图形转发xeyes在Windows上出现一双眼睛无法运行使用strace追踪系统调用strace -f -e traceconnect,write,read xclock 21 | grep -i display注意如果始终不成功有可能是网络问题可以选择换网络测试需要重启vs8.使用OSMesa软件渲染远程SSH无桌面服务器安装缺失的Mesa驱动和OpenGL运行库sudo apt update sudo apt install --reinstall libgl1-mesa-glx libgl1-mesa-dri mesa-utils校验核心驱动文件是否存在ls /usr/lib/x86_64-linux-gnu/dri/iris_dri.so ls /usr/lib/x86_64-linux-gnu/dri/swrast_dri.so两个文件正常输出路径就说明系统层面的软件渲染依赖已经就绪。设置环境变量export LIBGL_ALWAYS_SOFTWARE1 export MUJOCO_GLosmesa python main.py提示ERROR: could not initialize GLFWconda install -c conda-forge libffi强制使用 CPU 软件渲染安装Python侧OpenGL关联依赖pip install PyOpenGL安装OpenGL 相关包conda install -c conda-forge mesa-libgl conda install -c conda-forge glfw安装mesa-utilssudo apt update sudo apt install mesa-utils -y检查OpenGL 版本和驱动信息glxinfo | grep OpenGL9.切换GPU渲染图形界面查看当前OpenGL使用的显卡glxinfo | grep -i OpenGL renderer查看当前显卡模式prime-select queryon-demand —— 按需模式默认使用 Intel需要手动用prime-run或DRI_PRIME1指定使用 NVIDI安装nvidia-primesudo apt update sudo apt install nvidia-prime创建prime-run命令sudo nano /usr/local/bin/prime-run粘贴脚本内容#!/bin/bash __NV_PRIME_RENDER_OFFLOAD1 __GLX_VENDOR_LIBRARY_NAMEnvidia __VK_LAYER_NV_optimusNVIDIA_only $执行权限sudo chmod x /usr/local/bin/prime-run确认创建成功which prime-run测试是否能调用独显运行程序prime-run glxinfo | grep OpenGL renderer显示NVIDIA显卡成功添加cuda目录nano ~/.bashrc添加环境变量export CUDA_HOME/usr/local/cuda-12.1 export LD_LIBRARY_PATH$CUDA_HOME/lib64:$CUDA_HOME/extras/CUPTI/lib64:$LD_LIBRARY_PATH10.运行YOLO_World-SAM-GraspNet项目安装环境pip install ultralytics8.3.98 pip install githttps://github.com/openai/CLIP.git运行main_yoloWorld_sam.py在命令终端输入待抓取物体第一次运行命令会下载模型随后会生成目标检测结果、SAM掩码图以及预测抓取姿态注意目标检测结果、SAM掩码图在当前工作目录下生成参考文章【Mujoco】YOLO_World-SAM-GraspNet机械臂抓取仿真_mujoco机械臂抓取-CSDN博客VSCode『SSH』连接服务器『GUI界面』传输 - 知乎从Windows远程显示Linux图形程序SSH X11转发完整指南 - 知乎VSCode连接Ubuntu服务器显示GUI界面常见报错排查Graspnet(一)——Windos11复现_graspnet复现-CSDN博客