深度学习环境搭建(GPU版本)
用于目标检测
相关软件已经安装,不再赘述。
主要用于记录对于环境搭建的新理解。
此文纯属总结给自己看的,不涉及教程~
① CUDA和CUDnn的安装
都是官网找的链接,下载CUDnn时需要登陆,转而下载了迅雷开了会员,然后右键CUDnn官网链接,到迅雷中下载完成。
【学到了一点增加效率的小tips~】
CUDA的下载是真的崎岖,建议多找点教程,现在回想起来我都不知道我是怎么顺利装上的额…
安装完成之后到命令行测试一下
nvcc -V
输出CUDA版本信息
② 虚拟环境(env)创建
总结一下,得到的环境创建方式主要有三种:
Ⅰ命令行输入命令(感觉最方便)
conda creat -n YOLO python=3.8
这里创建的名字为YOLO,python版本为3.8,这都是根据需要可以自己改的。感觉这里有必要了解一些conda的简单实用的语法!
Ⅱ Anaconda软件图形界面创建env
这里不想截图了,很简单很傻瓜操作。
Ⅲ Pycharm中创建
打开pycharm软件,创建新项目也可以创建新环境。
这里讲一下几个选择的意思
Location
指的是,创建的新环境的位置,通常都是在安装的anaconda3下面的env目录底下,新建一个环境。(其实就是给建个文件夹…)
Python version
指的环境里所用的python版本,所以python不需要特意去下载,这里会给你装上。
Conda executable
指的是你所用的conda的安装地址,详细的可以点开图片仔细看一下。
这也是这段时间学到的一个学习方式。准确描述问题,查找资料,切忌走马观花的看教程,不然真的会从正确答案的全世界路过…
以上三种方式都可以创建你想要的虚拟环境,也都会配备上基本的包,有其他的包就根据需要再到命令行或者pycharm里安装就好。
③ PyTorch包的安装
这里真的很无语,换源下载总是报错,尝试了好多教程都没用,最后死马当活马医,没换源直接复制了官网所有的命令,就没再管,回去睡觉了,第二天done了,全部装上了…
贴上官网的代码,具体的要去官网看看自己的电脑配置,适配一下
conda install pytorch torchvision torchaudio pythorch -cuda=11.6
④ Pycharm选择解释器测试一下
最后到pycharm里新建一个项目,环境和解释器选我们pytorch包安装的那个。输一下测试代码,看看我们的cuda能不能用。
import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())
好像中间报错说是没有torch这个模块,好像是到命令行pip了一下,记不清了。
总结一下,遇到问题
Don’t panic~
仔细观察一下自己的问题(通常都是英文嘛),准确描述一下,然后去网上看看其他人的经验,(一定要仔细筛选,大胆尝试),最后解决问题,重点是不要着急,着急容易错过正确答案…
下一阶段
熟悉pycharm软件的使用
复现YOLO-GPU版的代码
YOLO原理深入理解
水下图像识别文献的阅读
尝试针对水下图像识别精度做出原理上的改进
最后尝试实现改进代码
论文撰述