faster rcnn 环境配置
一些坑!
1.装0.4.1版本的torch!!!
以下是0.4.0会碰见的bug
ModuleNotFoundError: No module named ‘torch.autograd’
‘ImportError: torch.utils.ffi is deprecated. Please use cpp extensions instead.’
https://pytorch.org/get-started/previous-versions/
conda install pytorch=0.4.1 cuda90 -c pytorch
2. 安准cuda9.0,gcc g++ 版本降到5.5
3. cuda9.0对应torchvision0.2.2
4. make.sh 设置CUDA_ARCH
链接:
1.在Ubuntu 18.04中配置GPU环境:安装CUDA 9.0等
https://blog.csdn.net/baimafujinji/article/details/89506896
2.多版本cuda安装:
https://blog.csdn.net/qq_34638161/article/details/80845366
多版本安装时,复制cudnn要复制到对应的cuda版本文件夹,不要放在cuda文件夹中。cuda文件夹只是一个软连接,根据cuda版本的切换而进行删除和重建软连接。
tar xvf cudnn-9.2-linux-x64-v7.2.1.38.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/
sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*
3.Linux之cuda安装,版本切换。cudnn安装,版本切换。
https://blog.csdn.net/zong596568821xp/article/details/80880204
4.torchvision与torch的对应关系及下载链接:
https://github.com/pytorch/vision
5._wrap_function:torch.utils.ffi is deprecated.Please use cpp extensions instead
可参考解决办法,在换成0.4.1版本后没有这些问题。https://blog.csdn.net/qq_37424778/article/details/115220070
6.不同的显卡需要对应不同的CUDA_ARCH参数,make.sh中设置
GPU model | Architecture |
---|---|
TitanX (Maxwell/Pascal) | sm_52 |
GTX 960M | sm_50 |
GTX 1080 (Ti) 本机 | sm_61 |
Grid K520 (AWS g2.2xlarge) | sm_30 |
Tesla K80 (AWS p2.xlarge) | sm_37 |