【声呐仿真】学习记录3.5-docker中Gazebo是否使用GPU?解决声呐图像黑屏

本文主要是介绍【声呐仿真】学习记录3.5-docker中Gazebo是否使用GPU?解决声呐图像黑屏,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

【声呐仿真】学习记录3.5-docker中Gazebo是否使用GPU?解决声呐图像黑屏

  • 🤡
  • 打包镜像,重装驱动(失败)
  • Xorg
  • 重新配置DAVE环境(补充之前教程中的一些细节)
  • 解决声呐图像黑屏问题

在容器中运行

roslaunch nps_uw_multibeam_sonar sonar_tank_blueview_p900_nps_multibeam_ray.launch

nvidia-smi 显示gazebo未使用GPU,但是在主机上看,是有占用的

在这里插入图片描述

以下是当时感觉gazebo太卡,以为是没有用显卡时的摸索过程



🤡

在学习过程中,发现gazebo、rviz太卡了,不像是用了显卡的样子(虽然实验室服务器是2080的显卡,我也不确定应该多快ORZ

然后就看了下显卡使用情况,好家伙,果然没用

nvidia-smi

使用 inxi -G 命令查看当前显卡驱动的状态,如果提示找不到命令请使用 sudo apt install inxi 安装
如果你的终端没有显示你的NVIDIA独显或者NVIDIA一行后的driver为nouveau并非nvidia,那么意味着你的独显并没有被识别或者使用了开源驱动nouveau导致独显并没有被激活。
Ubuntu 21.10 安装NVIDIA驱动并切换到独显模式-腾讯云开发者社区-腾讯云

在这里插入图片描述
我的甚至都不是nouveau

使用nvidia-setting、sudo prime-select nvidia等命令都显示没有GPU,所以准备重装一下

打包镜像,重装驱动(失败)

打包镜像,防止重装导致一些问题

docker ps
docker commit 容器id 镜像名

ubuntu系统gazebo卡顿问题解决—显卡消失问题_gazebo运行特别卡-

失败失败失败
sudo apt-get install nvidia-driver-535
apt --fix-broken install 

Gazebo GPU加速【gzserver running in GPU】_gazebo怎么通过gpu-

官网下载run文件
sudo chmod a+x NVIDIA-Linux-x86_64-535.171.04.run
失败失败
sudo ./NVIDIA-Linux-x86_64-535.171.04.run --no-x-check --no-noveau-check
sudo prime-select nvidia
sudo reboot

Xorg

Ubuntu 20.04 不使用我的 GPU,即使正确加载了 NVIDIA 驱动程序 — Ubuntu 20.04 does not use my GPU even if NVIDIA drivers are loaded correctly

快速理解 X server, DISPLAY 与 X11 Forwarding_xserver

重新配置DAVE环境(补充之前教程中的一些细节)

感觉官方镜像应该是支持GPU的,准备重新配置一遍

配置环境真是让人心累,第三次配了,还是一堆bug

看着之前的教程,补充一些细节:
1.使用DAVE官方docker配置环境的,如果你的显卡支持cuda12.4,就不需要再配置cuda,镜像自带,只需要配置环境变量即可(学习记录0.5)

2.DAVE官方镜像配置方法(学习记录1.5),官方docker run语句中有rm,在退出容器的时候会删除容器,所以复制官方命令并删除rm参数,创建容器。

如果用的是公共服务器,个人建议修改相关参数-v /home/ouc/ros_dave:/data,不然在docker中操作一些文件会改变服务器上的文件,然后最好配置一下端口映射,这样在mobaxterm中可以用文件管理器,方便一点

docker run -it -p 50005:22 -v /home/ouc/ros_dave:/data  --name dockwater_noetic_runtime   --gpus all -v /dev:/dev --group-add video   -e DISPLAY -e TERM   -e QT_X11_NO_MITSHM=1   -e XAUTHORITY=/tmp/.docker74z95fw6.xauth -v /tmp/.docker74z95fw6.xauth:/tmp/.docker74z95fw6.xauth   -v /tmp/.X11-unix:/tmp/.X11-unix   -v /etc/localtime:/etc/localtime:ro  7c9399c1f9c1 /bin/bash

进入容器后,首先是要换源,不然很慢,然后下载代码

下载完源码后,在uuv_ws/src中使用catkin_init_workspace(命令不存在的话,source一下ros)
在uuv_ws中使用rosdep install --from-paths src --ignore-src -r -y自动安装相关依赖(有些安装不了的可以先不用管)
然后catkin build
在这里插入图片描述

3.运行一下多波束声呐的示例程序(学习记录2.5)

roslaunch nps_uw_multibeam_sonar sonar_tank_blueview_p900_nps_multibeam_ray.launch

注意当前的cuda版本nvcc --version
尝试nvidia-settings是否能打开

解决声呐图像黑屏问题

如果声呐图像显示全黑,个人猜测可能是cuda的原因,镜像自带cuda12.4,如果装新版本的时候,没有正确覆盖(看一下/usr/local里有几个cuda),且你自己的显卡不支持这个版本,就会不显示

安装新版cuda后,需要catkin clean后重新catkin build,不clean的话可能报错:

在这里插入图片描述
如果还是黑屏,尝试完全删除cuda12.4(locate cuda)

在这里插入图片描述

这篇关于【声呐仿真】学习记录3.5-docker中Gazebo是否使用GPU?解决声呐图像黑屏的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/986796

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

流媒体平台/视频监控/安防视频汇聚EasyCVR播放暂停后视频画面黑屏是什么原因?

视频智能分析/视频监控/安防监控综合管理系统EasyCVR视频汇聚融合平台,是TSINGSEE青犀视频垂直深耕音视频流媒体技术、AI智能技术领域的杰出成果。该平台以其强大的视频处理、汇聚与融合能力,在构建全栈视频监控系统中展现出了独特的优势。视频监控管理系统EasyCVR平台内置了强大的视频解码、转码、压缩等技术,能够处理多种视频流格式,并以多种格式(RTMP、RTSP、HTTP-FLV、WebS

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p