环境变量文件
~/.bash_profile
~/.bashrc
一、安装Anaconda。
在命令行输入,下载anaconda。
wget https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh
下载之后,运行
1
bash Anaconda3-5.0.1-Linux-x86_64.sh
即可执行安装,如果提示默认时yes,直接执行即可。但是在最后一步时,默认操作时No,该步是让你确认是否将anaconda加入环境,需要选择yes。如果不幸选了No,需要执行以下命令:
1
2
export PATH=/home/(your_user_name)/anaconda3/bin:$PATH
source .bashrc
安装之后,会在安装目录下生成anaconda的文件夹。之后所安装的虚拟环境均存在env文件夹中。
测试是否安装成功。
使其生效:source ~/.bashrc
conda --version
使其生效:source ~/.bashrc
打印验证:echo ~/.bashrc
如果显示conda版本,则说明安装成功。
查看当前存在哪些环境
conda env list
创建新的虚拟环境。
conda create -n your_env_name python=X.X(2.7、3.6等)
激活虚拟环境。在你使用环境之前,需要激活。
source activate your_env_name
安装各种所需python包。
pip install package_name
(如果你创建的是python3.x的环境,也直接使用pip,不要使用pip3。因为此时的pip3可能会直接安装至你的系统环境里。)
关闭虚拟环境。当你使用完毕,需要关闭虚拟环境。
source deactivate
删除虚拟环境。
conda remove -n your_env_name --all
共享环境:将当前使用的环境中所包含的python包的名称进行打包。
conda env export > 文件名.yaml
载入别人共享的环境。
conda env update -f=/path/文件名.yml
二、安装深度学习
pytorch(1.0.1),torchvision(0.2.2)
1.3 使用pip安装
pip install torch-1.0.0-cp36-cp36m-win_amd64.whl
torch 1.0.0 对应的torchvision的版本为0.2.0
pip install torchvision==0.2.0
验证gpu版本是否安装成功
检测程序如下:
import torch
print(torch.version)
print(torch.cuda.is_available())
下面是具体步骤:
1,添加conda的清华镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
2,安装tensorflow
conda install tensorflow-gpu==1.11 #如果不指定版本,默认下载最新版
3,安装pytorch
conda install pytorch torchvision cuda80 -c pytorch # 这是官网给的命令
改成清华镜像源
conda install pytorch torchvision cuda80 -c channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
也可以不指定channel,也会使用清华源。
很简单吧。
验证tensorflow装是否可以正常使用
import tensorflow as tf
x = tf.constant{[1.0])
sess = tf.Session()
print(sess.run(x))
验证pytorch安装是否可以正常使用
import torch
x = torch.Tensor([1.0])
print(x)
y = x.cuda()
print(y)
from torch.backends import cudnn
print(cudnn.is_acceptable(y)) # 输入为True
三、安装open3d
安装open3d
conda install -c open3d-admin open3d
问题解决:ImportError: /lib64/libm.so.6: version `GLIBC_2.27’ not found (required by /home
卸载重装
查看安装的open3d
conda list
卸载原来的open3d
conda uninstall open3d
参考教程:.ImportError: /lib64/libm.so.6: version `GLIBC_2.27‘ not found(对我不管用)
conda install -c open3d-admin open3d==0.9
出现错误:
CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://conda.anaconda.org/open3d-admin/linux-6
解决方法:
Pip安装
pip install open3d-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
四、conda环境中安装OpenCV
在conda环境中通过下面的命令一键式安装OpenCV
conda install -c https://conda.binstar.org/menpo opencv
五、安装yacs==0.1.8
https://blog.csdn.net/m0_37167788/article/details/109217091
yacs介绍、安装、使用
1.yacs介绍
yacs的作者大名鼎鼎的Ross Girshick,faster-rcnn的作者。github地址:https://github.com/rbgirshick/yacs
yacs是一个轻量级用于定义和管理系统配置的开源库,是科学实验软件中常用的参数配置。在机器学习、深度学习模型训练过程中的超参数配置(卷积神经网络的深度,初始学习率等)。科学实验的重现性至关重要,因此,需要记录实验过程中的参数设置,以达到后期进行实验的重现。yacs使用一种简单的,可读的yaml格式。
2.yacs安装
git clone https://github.com/rbgirshick/yacs.git
python setup.py install
3.yacs使用
3.1 建立可配置参数文件并设置默认值
建立可配置文件,通常命名为config.py或者default.py,该文件包含了所有可配置的参数,并为每个参数设置了默认值。
config.py
from yacs.config import CfgNode as CN
_C=CN()
_C.SYSTEM=CN()
_C.SYSTEM.NUM_GPUS = 8
_C.SYSTEM.NUM_WORKERS = 4
_C.TRAIN = CN()
_C.TRAIN.HYPERPARAMETER_1 = 0.1
_C.TRAIN.SCALES = (2, 4, 8, 16)
def get_cfg_defaults():
return _C.clone() #局部变量使用形式
cfg = _C
3.2 创建yaml配置文件
通常情况下,为每个实验建立一个yaml文件,每个配置文件中仅包含该实验中正在修改的选项。
config.yaml
SYSTEM:
NUM_GPUS: 2
TRAIN:
SCALES: (1, 2)
3.3 使用配置文件
进行初始设置以后,使用freeze()函数将设置值冻结,防止配置信息被修改。如下,可以通过直接导入cfg作为全局变量进行访问,也可以将cfg的复制作为参数进行传递,这种使用为cfg作为局部变量使用。
main.py
#from config import get_cfg_defaults #局部变量
from config import cfg
if name == “main”:
#cfg = get_cfg_defaults() #局部变量使用
cfg.merge_from_file(“config.yaml”)
cfg.freeze()
cfg2 = cfg.clone()
cfg2.defrost()
cfg2.TRAIN.SCALES = (8, 32, 64)
cfg2.freeze()
print("cfg:")
print(cfg)
print("cfg2:")
print(cfg2)
输出结果为:
cfg:
SYSTEM:
NUM_GPUS: 2
NUM_WORKERS: 4
TRAIN:
HYPERPARAMETER_1: 0.1
SCALES: (1, 2)
cfg2:
SYSTEM:
NUM_GPUS: 2
NUM_WORKERS: 4
TRAIN:
HYPERPARAMETER_1: 0.1
SCALES: (8, 32, 64)
六、conda安装glog,imgaug
直接安装:
sudo apt-get -y --force-yes install libgoogle-glog-dev
或者下载编译:
git clone https://github.com/google/glog
七、安装imgaug
Command “python setup.py egg_info” failed with error code 1 in /tmp/pip-build-*解决办法
pip3 install --upgrade pip
八、安装imgaug
sudo pip3 install git+https://github.com/aleju/imgaug
九、 安装cuda
https://zhuanlan.zhihu.com/p/79059379