# 实验一独立开发与自测环境 pg01-v1 图像处理、传统分类、timm视觉模型、Transformers与LoRA、ONNX CPU推理。 服务器使用: ```bash source /home/Liminal_Project/liminalos_platform/runtime/course-environments/pg01-v1/bin/activate python your_program.py python /home/Liminal_Project/liminalos_platform/runtime/course-environments/pg01-v1/selfcheck.py ``` GPU自检:先指定平台分配给自己的GPU编号,再执行selfcheck.py --gpu。不要修改公共环境;额外依赖在自己的环境中准备,并在提交时说明。 基础版本:Python3.12.3、PyTorch2.6.0+cu124、torchvision0.21.0、NumPy1.26.4、Pillow10.4.0、OpenCV headless4.10.0.84。详细版本见requirements-lock.txt。入口为 solution.load_model(model_dir),对象提供 predict(rgb_image),返回整数0或1。 在自己的Linux x86_64环境复现: ```bash python3.12 -m venv .venv .venv/bin/python -m pip install -r requirements-torch.txt .venv/bin/python -m pip install -r requirements-lock.txt .venv/bin/python selfcheck.py --profile pg01 ``` 已通过库导入、实际算子及小规模CUDA运算;使用可信合成输入检查了平台适配器,没有创建生产评测。此处是已安装的开发/自测环境,现役在线评测隔离环境尚未切换,不能把宿主机自测通过等同于正式评测通过。 GroundingDINO、SAM/SAM2/SAM3、YOLO、OCR、FlashAttention及自定义CUDA扩展存在专用版本要求,按方案隔离准备,不将冲突依赖混装进本环境。预训练权重须提前准备,离线评测不在线安装或下载。Jetson使用对应JetPack/ARM64环境,不能直接复制服务器环境。 依据:PyTorch版本配对 https://docs.pytorch.org/get-started/previous-versions/ ;NumPy ABI兼容说明 https://numpy.org/doc/2.0/user/troubleshooting-importerror.html 。 直接依赖的实际安装版本: torch==2.6.0+cu124 torchvision==0.21.0+cu124 numpy==1.26.4 Pillow==10.4.0 opencv-python-headless==4.10.0.84 scipy==1.14.1 scikit-learn==1.5.2 matplotlib==3.9.2 PyYAML==6.0.2 tqdm==4.67.1 requests==2.32.3 psutil==6.1.1 einops==0.8.1 timm==1.0.20 transformers==4.57.1 accelerate==1.10.1 peft==0.17.1 safetensors==0.6.2 huggingface-hub==0.35.3 tokenizers==0.22.1 sentencepiece==0.2.1 onnx==1.17.0 onnxruntime==1.20.1 protobuf==5.29.3 setuptools==78.1.0