【深度学习环境-1】Yolact、tensorflow、pytorch环境搭建

基础环境：ubuntu18.04+cuda11.0+cudnn8.0.5

cuda11.0+cudnn8.0.5 安装方式参考：【深度学习环境-2】nvidia驱动、cuda安装配置_WXG1011的博客-CSDN博客

****************************************************************************************************************************************

写在前面：

安装算法环境时，一定要注意cuda、cudnn、pytorch、tensorflow的依赖关系，不然就是血的教训呀！

****************************************************************************************************************************************

1、安装工程所需的基础包

# 创建tensorflow虚拟环境
conda create -n tensorflow python==3.7
# 激活tensorflow虚拟环境
source activate tensorflow
pip install opencv-python
pip install pycocotools
pip install requests
pip install scipy
pip install yacs
pip install pandas

2、安装pytorch

• 常规方法：

从Previous PyTorch Versions | PyTorch选择对应版本安装。

# pytorch官网：https://pytorch.org/get-started/previous-versions/
pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

• 通过whl安装

从https://download.pytorch.org/whl/torch_stable.html下载对应的whl文件。

pip install **.whl

安装成功之后，验证是否安装成功

python
import torch
#pytorch版本
torch.__version__
#cuda版本
torch.version.cuda
#cuda可否正常使用
torch.cuda.is_available()
#cudnn版本
torch.backends.cudnn.version()

注意：cpu版本只需要print(torch.__version__)就可以了，print(torch.cuda.is_available())是验证gpu版本的。

pytorch、torchvision对应关系：

PyTorch中torch、torchvision、torchaudio、torchtext版本对应关系_torch2.0.1对应的torchvision-CSDN博客

3、安装tensorflow

# 根据cuda版本选择对应tensorflow-gpu版本
pip install tensorflow-gpu == ××.×
# 测试tensorflow是否安装成功
(tensorflow) zxh@zxh-Precision-3640-Tower:~/Chengdu$ python
Python 3.7.0 (default, Oct  9 2018, 10:31:47) 
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> tf.__version__
'2.8.0'
>>> 

TensorFlow、cuda、cudnn版本对照表：

 可能出现的错误：

Could not load dynamic library 'libcusolver.so.11'; dlerror: libcusolver.so.11: cannot open shared object file: No such file or directory; LD_LIBRARY_PATH: /usr/local/cuda-11.0/lib64:

解决方法：

创建软链接

sudo ln -s /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcusolver.so.10 /usr/local/cuda-11.0/targets/x86_64-linux/lib/libcusolver.so.11

4、实例分割——YOLACT环境配置

• pytorch1.7编译方式

克隆地址：GitHub - dbolya/yolact: A simple, fully convolutional model for real-time instance segmentation.

git clone https://github.com/dbolya/yolact.git
cd yolact/external/DCNv2
python setup.py build develop

出现如下错误：

/home/zxh/Chengdu/yolact/external/DCNv2/src/cuda/dcn_v2_cuda.cu(107): error: identifier "THCState_getCurrentStream" is undefined

/home/zxh/Chengdu/yolact/external/DCNv2/src/cuda/dcn_v2_cuda.cu(279): error: identifier "THCState_getCurrentStream" is undefined

/home/zxh/Chengdu/yolact/external/DCNv2/src/cuda/dcn_v2_cuda.cu(324): error: identifier "THCudaBlas_Sgemv" is undefined

解决方法：

https://github.com/lbin/DCNv2/tree/pytorch_1.7 git对应pytorch版本的DCNv2包，替换yolact中对应的文件夹，然后进行编译，make.sh脚本内容为：

 

(tensorflow) zxh@zxh-Precision-3640-Tower:~/Chengdu/external/DCNv2$ ./make.sh 

出现如下提示即配置成功

 

参考链接：yolact模型DCNv2模块编译错误解决方法_[违规账号，无法查看]的博客-CSDN博客_dcnv2编译

DCNv2编译时报错error: ‘THFloatBlas_gemv’ was not declared_开机摸鱼的博客-CSDN博客

# 测试
python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --video_multiframe=4 --video=0

• pytorch1.8编译方式

最近新购一个RTX3070显卡，采用上述方式一直编译失败，无意中看到下面这篇帖子，帮我解决了大问题，经测试，可行。

DCNv2在pytorch1.8.1的安装_ubuntu 编译 dcnv2 pytorch 1.8-CSDN博客

我的安装环境为：ubuntu18.04+cuda11.1+cudnn8.05+pytorch1.8.0

 5、工程运行效果图