TorchSeg代码学习笔记（一：安装）

代码repo：https://github.com/ycszen/TorchSeg

TorchSeg安装：
由于本机上没有安装nvcc，我采用docker来实现

下载对应docker：
docker pull nvidia/cuda:10.0-cudnn7-devel-ubuntu16.04
运行容器：docker run --gpus all -p 12222:22 -it --name=lbaiSeg --mount type=bind,source=/mnt/VOL_2/lbai/,target=/lbai nvidia/cuda:10.0-cudnn7-devel-ubuntu16.04 bash

安装miniconda3

安装PyTorch
conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 -c pytorch

安装apex
1）下载：git clone https://www.github.com/nvidia/apex
2）进入文件夹：cd apex
3）滚回旧版本：git checkout f3a960f80244cf9e80558ab30f7f7e8cbf03c0a0
4）安装：python setup.py install --cuda_ext --cpp_ext

安装依赖python库
easydict，tqdm，opencv，scipy，ninja-build（可选）

遇到的问题
dataloader的num_worker（config.py中）不为零导致docker中share memory溢出出错，将其改为零可以解决问题，但缺点是会使训练变慢。也可以使用类似以下的命令docker run –shm-size 24g --gpus all… …来解决