目录
前言
由于最近刚刚接触深度学习,发现配置环境好困难,经过了几次配置环境后,想着把这些东西总结成方法,这样以后就不用在配置环境上浪费太多时间了。
一、创建虚拟环境
什么是conda?个人感觉就是一个平台,像vscoda,CubeMX之类的,我们可以在上边创建我们深度学习项目的环境,供我们的程序使用,同时,利用conda给每个需要配置环境项目配置环境,可以避免我们不同项目之间的环境发生冲突,下面我们在已经安装好Anaconda的基础上进行项目的环境配置。
打开Anaconda的窗口
出现下图,注意这个base,这个是你的基础环境
输入以下指令(#后边的可别敲啊),这里的python也要根据readme设置,不要装的版本太低了
#conda creat -n 环境名 python=版本号
conda create -n StaSAM python=3.10
新的环境建立起来以后,你当前的操作界面还是停留在base环境下,接下来输入以下指令
#conda activate 刚刚创建的环境名称(激活刚刚创建的环境)
conda activate StaSam
进入虚拟环境以后就可以配置项目所需的环境了,一般我们配置环境的基础就是pytorch,我们可以现自行安装pytorch,但是还是建议根据项目去装作者推荐的pytorch的版本,不然会有好多依赖包出现冲突的问题,很麻烦的。
我们来看一看我们要浮现的论文的readme,这里边一般会有我们需要配置的环境,readme一般就是教我们如何去使用作者上传的代码,如下所示,这便是我们所需要配置的环境
但是有的readme里可能不会过多介绍我们所需要装配的环境,这时我们可以去阅读代码的requirements.txt,这里边放着我们需要安装的依赖。
了解完这些以后,我们就可以去安装依赖了
首先选择合适版本的pytorch,我们可以看到作者推荐的合适版本为2.1,这是我们就需要去pytorch的官网上去寻找相关的版本下载,下载的官网放在这里了Start Locally | PyTorch,这里是一般我们进行下载的地方,但是我们没有看到我们需要的2.1
没找到没有关系,我们可以去下面这个地方去寻找
接下来我们用ctrl+f的办法去寻找我们需要的2.1版本
接下来我们观察readme里,cuda的相关版本是12.1,那么我们就下载下图所示的那个
下载之前,通过下边的指令(命令行指令),看看自己的CUDA版本是否能够满足版本的需要
nvidia-smi
这里我的CUDA版本安装只要小于等于12.6的都可以,所以可以放心下载了,各位读者下载pytorch的时候需要注意自己的版本是否能跑pytorch的CUDA
接下来,在命令行窗口输入我们刚才找到的pytorch下载指令进行下载即可
但是,由于pytorch的下载地址在外网,所以下载速度异常缓慢,这里我们可以通过添加镜像渠道来加快下载速度
二、镜像配置
首先我们先来配置一下镜像路径,这样下载速度会快很多,当然也可以不配置直接进行下载,我比较喜欢快的(doge)
这里放上清华大学的镜像,两个都要加,这两个镜像相对来说比较稳定
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
那么该如何去添加镜像呢?打开命令行,指令如下
conda config --add channels 通道地址 #添加镜像通道
conda config --remove channels 通道地址 #移除镜像通道
(补充)如何查看自己的环境下有哪些镜像渠道呢?通过以下指令
conda config --get
然后使用镜像下载pytorch时,指令也要稍微修改一下
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia
改为
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c nvidia
之后会发现下载速度嗖嗖的
三、安装其他的依赖
这里按照我浮现的这篇论文来说的话,它很人性化了,怎么装的在readme都告诉了
补充(想学方法的来看)
但这里我还是想说一下通用方法,一般我们是通过作者code中的requirements.txt文件进行配置的
我们只需要将这个代码下载下来,然后在代码所在的文件夹里输入cmd来打开指令行
进入以后,我们不会直接进入我们刚刚配置的虚拟环境,需要我们再次调用下面这行指令
#conda activate 刚刚创建的环境名称(激活刚刚创建的环境)
conda activate StaSam
之后,输入下面这行指令
#下载requirements.txt所需要的依赖文件
pip install requirements.txt
最理想的情况下是输入指令后没有报错,但是有时我们会遇到各种错误,这就需要我们一个一个依赖包手动安装了,同样调用
pip install 软件包==版本号
就像如下格式(只是个例子)
pip install python==3.10
如果出现报错的话就上网上找如何去下载,但是可不要乱下啊,找好相应的版本,不然可能会出现版本冲突的问题!!!
有些时候,作者可能会忘写一些依赖,这就导致我们运行代码的时候会报错,此时我们可以根据报错通过pip install进行相关包的下载,装完之后我们就可以开始正式的论文浮现了。
总结
本文总结了个人对于一个项目的环境搭建的见解,环境搭建真的好麻烦,网上资料太分散了,要上网找好长时间,所以就想着自己写一篇,这样以后就不用花费大量时间去配置环境了。。。