Linux+CUDA9.0+pytorch0.4.1+torchvision-0.2.1机器学习（GPU炼丹炉）

最新推荐文章于 2024-07-27 00:59:19 发布

linkangd

最新推荐文章于 2024-07-27 00:59:19 发布

阅读量3.1k

点赞数 5

分类专栏：环境配置文章标签： GCN CUDA9.0

本文链接：https://blog.csdn.net/qq_26130991/article/details/99717159

版权

作者在学习图卷积网络GCN时，尝试复现论文成果。面对CUDA9.0的老旧环境，通过conda创建虚拟环境并选择了Python3.6以避免兼容性问题。为解决包安装的版本不兼容和网络问题，作者建议下载所需包后上传至服务器安装。提供了一份包含所需包的百度网盘链接，帮助他人快速搭建环境，鼓励有兴趣的人一起讨论GCN学习。

摘要由CSDN通过智能技术生成

作者最近在学习图卷积网络（GCN），看到了一篇论文《Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition》觉得挺有趣的，刚好github上面有开源代码就想着拿来复现一下他们的工作。

现有的一台服务器环境是（cuda9+cudnn7+tensorflow-gpu=1.7），是和别人共享的服务器，CUDA的版本稍微有一些老旧。

第一步就使用conda创建了属于自己的虚拟环境

conda env list  # 可以先查看一下现有的虚拟环境
conda create -n your_env_name python=3.6  # 创建python环境，我这里默认选择了3.6
source activate your_env_name  # 激活创建环境，成功的话命令行最前面出现(your_env_name)

这里强烈建议大家不要选择python3.7版本，自己最开始随便选了python版本，发现这个3.7版本对于其他包的兼容性较差，后来选了3.6版本就少了很多问题。

第二步就开始选择对应CUDA版本的包
网上多数给的资料都是使用pip或者conda，通过命令行直接安装。但是这样安装会出现两个问题：1、默认下载、安装最新版本，导致版本不兼容；2、有些时候由于网络情况，导致下载安装多次失败。
所以建议采用将需要的包下载好，通过final shell（macOS）上传觉得比较快速且稳定。
找这些包的时候也花费了一些时间，所以把包上传到百度网盘（这个限速是有点蛋疼，