Installation Glow编译器安装指南 sudo忍者所有 [0/1]正在运行CMake。。。 --找到带有新式glog目标的glog。 --找到LLVM 8.0.1 --在中使用LLVMConfig.cmake:/usr/local/lib/cmake/llvm 添加CPU后端。 添加CMakeFiles后端。 添加解释器后端。 --*******摘要******** --CMake版本：3.5.1 --CMake命令：/usr/bin/CMake --系统：Linux C++编译器：/Ur/bin /C++ --C++编译器版本：5.5.0 --CXX标志：-Wall-Wnon虚拟dtor-fno异常-fno rtti-Wno psabi-Wnon虚拟dtor --构建类型：发布 --编译定义：GIT_SHA1=“ef7f916”；GIT_DATE=“2019-09-12”；与_PNG；发光，发光系数为1；用_CPU=1发光_；谷歌协议；ONNX\u名称空间=glow\u ONNX --CMAKE_前缀_路径：/usr/bin --CMAKE\u安装前缀：/usr/local --CMAKE_模块路径：/home/tcs/sairam/glow/CMAKE/modules --ONNX版本：1.5.0 --ONNX名称空间：glow\u ONNX --ONNX_构建_测试：关闭 --ONNX_构建_基准：关闭 --ONNX\u使用\u LITE\u协议：关闭 --ONNXIFI\u虚拟\u后端：关闭 --ONNXIFI\u启用\u扩展：关闭 --Protobuf编译器：/usr/bin/protoc --Protobuf include:/usr/include --Protobuf库：优化/usr/lib/x86_64-linux-gnu/libprotobuf.so；调试/usr/lib/x86_64-linux-gnu/libprotobuf.so-pthread --BUILD\u ONNX\u PYTHON:OFF --找不到LLVM文件检查 --git版本：v1.5.0 --版本：1.5.0 --执行测试HAVE_STD_REGEX——成功 --执行测试HAVE_GNU_POSIX_REGEX--编译失败 --执行测试HAVE_POSIX_REGEX——成功 --执行测试时时钟稳定-成功 正在跳过添加测试en2gr\u cpu\u测试，因为它需要一个models目录。使用-DGLOW_MODELS_DIR进行配置。 正在跳过添加测试en2gr\u量化\u测试，因为它需要模型目录。使用-DGLOW_MODELS_DIR进行配置。 正在跳过添加测试en2gr\u cpu\u分区\u测试，因为它需要模型目录。使用-DGLOW_MODELS_DIR进行配置。 正在跳过添加测试en2gr\u cpu\u config\u测试，因为它需要一个models目录。使用-DGLOW_MODELS_DIR进行配置。 正在跳过添加测试resnet\u runtime\u测试，因为它需要一个models目录。使用-DGLOW_MODELS_DIR进行配置。 --配置完成 --生成完成 --生成文件已写入：/home/glow [1/111]链接CXX可执行文件bin/resnet验证 失败：bin/resnet验证 ：&&/usr/bin/c++-Wall-Wnon virtual dtor-fno exceptions-fno rtti-Wno psabi-O3-DNDEBUG-march=native-ffast math-fno finite math only examples/cmakfiles/resnet verify.cpp.o-o-bin/resnet verify lib/ExecutionEngine.a lib/Graph/libGraph.a lib/Importer/libImporter.a lib/Runtime/HostManager/libHostManager.alib/Partitioner/libPartitioner.a lib/Runtime/Provisioner/libProvisioner.a lib/Runtime/Executor/libExecutor.a lib/Optimizer/GraphOptimizer/libGraphOptimizer.a lib/Backends/libBackends.a lib/Quantization/libQuantization.a lib/Backend/libBackend.a lib/ExecutionContext/libExecutionContext.a lib/CodeGen/IR/libIR.alib/Optimizer/GraphOptimizerPipeline/libGraphOptimizerPipeline.a/usr/local/lib/libLLVMCore.a/usr/local/lib/libLLVMBinaryFormat.a lib/Converter/libConverter.a lib/Graph/libGraph/libGraph.a lib/Quantization/Base/libQuantizationBase/libQuantizationBase.a lib/Support/TensorPool.a lib/Base/lib/libTensorPool.a/lib/lib/lib/libSupport/lib.a/usr/local/lib/libglog.a/usr/local/lib/libLLVMSupport.a-lz-lrt-ldl-ltinfo-lpthread-lm/usr/local/lib/libLLVMDemangle.a lib/Importer/build_onnx/libonnx_proto.a-pthread/usr/lib/x86_64-linux-gnu/libprotobuf.so&： lib/Runtime/hotmanager/libhotmanager.a（hotmanager.cpp.o）：函数中的glow:：Runtime:：hotmanager:：exportMemoryCounters（）'：hotmanager.cpp:（.text+0x601）：对glow:：Stats（）的未定义引用 hotmanager.cpp:（.text+0x618）：未定义对glow:：StatExporterRegistry:：setCounter（llvm:：StringRef，long）的引用。'hotmanager.cpp:（.text+0x61d）：未定义对glow:：Stats（）的引用' hotmanager.cpp:（.text+0x634）：未定义对glow:：StatExporterRegistry:：setCounter（llvm:：StringRef，long）的引用。'hotmanager.cpp:（.text+0x639）：未定义对glow:：Stats（）的引用' HostManager.cpp:（.text+0x650）：对glow:：statexporterRegistry:：setCounter（llvm:：StringRef，long）“lib/Runtime/HostManager/libHostManager.a（HostManager.cpp.o）”的未定义引用：在函数glow:：Runtime:：HostManager:：clearHost（）中： HostManager.cpp:（.text+0x3521）：未定义对glow:：Stats（）的引用。'HostManager.cpp:（.text+0x3537）：未定义对glow:：StatExporterRegistry:：setCounter的引用（llvm:：StringRef，long）' HostManager.cpp:（.text+0x353c）：未定义对glow:：Stats（）的引用。'HostManager.cpp:（.text+0x3552）：未定义对glow:：StatExporterRegistry:：setCounter的引用（llvm:：StringRef，long）' HostManager.cpp:（.text+0x3557）：未定义对glow:：Stats（）的引用。'HostManager.cpp:（.text+0x356d）：未定义对glow:：StatExporterRegistry:：setCounter的引用（llvm:：StringRef，long）' lib/Base/libBase.a（Image.cpp.o）：函数中的glow:：getPngInfo（char const*）'：Image.cpp:（.text+0x1b5）：对png_set_longjmp_fn的未定义引用 lib/Base/libBase.a（Image.cpp.o）：在函数glow:：writePngImage（glow:：Tensor*，char const*，std:：pair，llvm:：ArrayRef，llvm:：ArrayRef）“中：Image.cpp:（.text+0x5e6）：对png_set_longjmpfn的未定义引用” Image.cpp:（.text+0x641）：未定义对png_集_longjmp_fn'图像的引用。cpp:（.text+0x6c8）：未定义对png_集_longjmp_fn'的引用 Image.cpp:（.text+0x8a6）：对png_set_longjmp_fn'lib/Base/libBase.a的未定义引用（Image.cpp.o）：Image.cpp:（.text+0xa4f）：下面是对png_set_longjmp_fn'的更多未定义引用 collect2:错误：ld返回了1个退出状态

Glow编译器先决条件：

                                GLOW INSTALLATION STEPS On Ubuntu (16.04)

---

Glow编译器依赖项：

    Operating system    :   Ubuntu 16.04LTS

    RAM         :   Minimum 16GB

    SWAP MEMORY     :   Minimum 12GB to 20GB

    Memory Needed       :   70GB

    Total Memory needed     :   Minimum 150GB(LLVM&GLOW)

---

辉光编译过程

步骤1：

    LLVM 8.0.1

    Clang 8.0.1

    Anaconda 3
`   
    Pytorch if GPU is used need to install CUDA 10.1 and cuDNN 7.1      

步骤2：

Download glow repository from git hub

    $git clone https://github.com/pytorch/glow.git

    $cd glow

步骤3：

#Glow depends on a few submodules: googletest, onnx, and a library for FP16 conversions.

#To get them, from the glow directory, run:

    $git submodule update --init --recursive

步骤4：

#If Protobuf is not installed install it by using shell script

#version should be 2.6.1 

#PATH: glow/utils/

#run shell script 

    $./install_protobuf.sh

步骤5：

#Create a build directory in glow

    $mkdir build

#Change working directory to build

    $cd build

#Now run cmake in Release mode providing Glow source directory as path

    $cmake -DCMAKE_BUILD_TYPE=Release ../

#This will build files into ......( It will take 4 to 8 hours or more based on RAM and SWAP memory)

#if cmake is not installed install it by running following command

    $sudo apt install cmake

步骤6：

#run make command to compile the source code

    $make

$make安装 测试辉光：

#run make install to install the library

#run make install to install the library

#A few test programs that use Glow's C++ API are found under the examples/ subdirectory. The mnist, cifar10, fr2en and ptb programs train and   

run digit recognition, image classification and language modeling benchmarks, respectively.

#To run these programs, build Glow in Release mode, then run the following commands to download the cifar10, mnist and ptb databases.

$python ../glow/utils/download_datasets_and_models.py --all-datasets

#Now run the examples. Note that the databases should be in the current working directory.

    $./bin/mnist    

    $./bin/cifar10

    $./bin/fr2en

    $./bin/ptb

    $./bin/char-rnn

#If everything goes well you should see:

    mnist: pictures from the mnist digits database

cifar10: image classifications that steadily improve

fr2en: an interactive French-to-English translator

ptb: decreasing perplexity on the dataset as the network trains

char-rnn: generates random text based on some document