2021-11-01

环境安装

主要按照作者给出的各个版本安装。项目的地址在https://github.com/shariqiqbal2810/MAAC
自己的硬件环境是2070s，系统用的win10。之前几次不成功的尝试可以看出Linux和win下应该都可以去做。

创建虚拟环境

conda create -n name python=3.6

激活环境：

activate maac

安装openAI baselines

使用推荐的版本。
baselines-98257ef8c9bd23a24a330731ae54ed086d9ce4a7 （去GitHub找对应的提交版本下载）
到baselines 文件夹下 使用如下命令安装

pip install -e .

安装MPE环境(有问题，先不装这个)

同样使用作者提供的环境。下载后与上面的baseline的安装相同，进入到对应文件夹下，使用如下命令安装

pip install -e .

安装pytorch

同样建议安装作者的版本，但是觉得高上一两的版本应该也没什么事。所以就按照pytorch官网提供的命令安装了0.4.1的版本。

用如上命令安装

conda install pytorch=0.4.1 cuda90

这里把 -c pytorch 去掉，因为好像用的是conda的源，速度奇慢，去掉后使用是更改后的源。
推荐更改成清华，阿里等其他的国内源。可以使用如下命令

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

安装gym

pip install gym==0.9.4

安装tensorboard 和 tensorboard-pytorch

没有找到0.4.0rc0这个版本，可能同样是因为镜像的原因。先按照给出的提示，装一个最低的版本试试。 因为之前改的是conda的源，在使用pip安装时同样会很慢，所以这里使用了个临时的清华源安装，会快很多。如果改pip的源，还要添加文件，嫌麻烦，先不弄了。

pip install tensorboard==1.6.0rc0 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装tensorboard-pytorch

pip install tensorboardX==1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

在安装tensorboard之前，应该有tensorflow才对，如果没有的话，需要先安装。而且版本应该对应的比较好，瞎装了一个，没什么问题，就先用着。

先实验无GPU的情况

出现如下错误

说是函数的问题，可以看到前面的路径都是tensorboardX下的问题，说明版本可能有问题。直接更新到最先版本，不在报错。

pip install --upgrade tensorbardX -i https://pypi.tuna.tsinghua.edu.cn/simple

能够正常训练，有些其他的小警告，应该也是版本的问题，既然可以运行，就先用着。

cuda 和 cudnn（主要问题都出在这里）

这块显卡自从买来就没转过…。要让它出来溜溜啊。

同样是在conda虚拟环境下进行。
使用如下命令

nvcc -V

可以看到

这个是有cuda的。这个应该是之前自己装显卡时，就已经都配置好的。

训练试试

python main.py multi_speaker_listener models --use_gpu

可以看到根本就不动啊。第一张图那里可以看到GPU中是有程序的进程的，可是好像根本就没用到GPU的算力。

可能的原因

上面的cuda 只是整个系统中的cuda的，而之前安装torch时，明明装的是cuda90。 用 conda list 查看下安装有哪些。

是有cuda90这个东西的。
cmd下进入python

python
import python
print(torch.version.cuda)

也显示9.0是没错的。

其他命令

也都是可以的。

在对应看下cudnn的问题。之前是在pytorch官网直接用的命令安装的torch,之后确实没有装过cudnn。

大部分说安装cudnn的方法是将其下载的文件粘贴到cuda下。如果cuda是在conda下安装的呢

未完待续 望指导！！！！！

实验

实验的话，直接输入命令就行。提前现在main.py的同层目录下建立一个文件夹，用来存储模型。

python main.py multi_speaker_listener models --use_gpu

使用 python main.py --help 可以查看对应的命令。添加对应的参数。

总结

出现的问题有几类，分别是（1）版本不匹配问题，因为这个项目比较老了，所以很多环境的版本如果不匹配会爆出很多错误。2（）其次是网络问题，这个主要通过改源的方法实现。源的话，conda和pip下的不是一回事。（3）同理，在安装不同的包时，有使用conda install 也有pip install 的，这样某些时候也可能会出现些莫名其妙的错误，不过几率小一些。