1、linux环境配置
创建python3.9虚拟环境
conda create --name spikformer python=3.9
激活虚拟环境
conda activate spikformer
查看GPU CUDA版本(默认你已经安装好了CUDA)
nvidia-smi
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.60.13 Driver Version: 525.60.13 CUDA Version: 12.0 |
+-------------------------------+----------------------+----------------------+
由于CUDA向下兼容,所以CUDA12.0可以安装CUDA11.1版本的torch
pip install torch==1.10.0+cu111 torchvision==0.11.0+cu111 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install timm==0.5.4 spikingjelly==0.0.0.0.12 pyyaml -i https://pypi.tuna.tsinghua.edu.cn/simple
创建数据集保存目录
cd spikformer-main/cifar10
mkdir cifar-10-python
2、项目代码调整
- 更改backend=torch:cupy怎么都调不好,于是不使用cupy加速计算,在"model.py"中:将所有的
backend='cupy'
改为backend='torch'
- 设置数据集为下载模式:在"train.py" 495行:
args.dataset,
改为args.dataset, download=True,
- 更改数据集保存目录:在"cifar10.yml"中:
data_dir: 歪比巴卜
修改为data_dir: cifar-10-python/
- 手动下载数据:服务器上下载太慢了,本地下载好cifar-10-python.tar.gz,上传到"spikformer-main/cifar10/cifar-10-python/"
3、运行
cd spikformer-main/cifar10
python train.py