目录
人脸聚类框架(Face Cluster Framework)_Mr_不想起床的博客-CSDN博客
踩过很多坑,一个多月了还是失败了,现在重新整理思路
- Python >= 3.6
- sklearn
- infomap
- numpy
- faiss-gpu(or faiss-cpu)
- torch >= 1.2
- torchvision
1、工具选择
anconda,pycharm,先安装完anconda,常用命令如下:
1.1 获取版本号/帮助
获取版本号 | conda -V |
conda --version | |
获取帮助 | conda -h |
conda --help | |
获取环境相关命令的帮助 | conda env -h |
所有 --单词 都可以用 -单词首字母来代替 | 比如 -version 可以用 -V来代替,只不过有的是大写,有的可能是小写 |
1.2 环境相关
创建环境 | conda create -n environment_name |
创建指定python版本下包含某些包的环境 | conda create -n environment_name python=3.7 numpy scipy |
进入环境 | conda activate environment_name |
退出环境 | conda deactivate |
删除环境 | conda remove -n yourname --all |
列出环境 | conda env list / conda info -e |
复制环境 | conda create --name new_env_name --clone old_env_name |
指定目录下生成环境yml文件 | conda env export > 目录/environment.yml |
从yml文件创建环境 | conda env create -n env_name -f environment.yml |
1.3 管理包
对包的管理是在某个环境下进行的, 先进入特定环境再进行包的操作比较好,不会出现把本该安装在A环境中的包安装在了B环境中这种情况。
安装包 | conda instal package_name |
查看当前环境包列表 | conda list |
查看指定环境包列表 | conda list -n environment_name |
查看conda源中包的信息 | conda search package_name |
更新包 | conda update package_name |
删除包 | conda remove package_name |
清理无用的安装包 | conda clean -p |
清理tar包 | conda clean -t |
清理所有安装包及cache | conda clean -y --all |
更新anaconda | conda update annaconda |
最后三个清理命令类似于清理手机上的安装包、缓存,不会删除某个库,只是删除已经安装完成的那些安装包。
1.4 更换conda源
1.4.1 更换清华源
windows:
命令行中直接使用以下命令
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
设置搜索时显示通道地址
conda config --set show_channel_urls yes
linux:
将以上配置文件写在~/.condarc中 vim ~/.condarc
1.4.2 更换中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
1.4.3 显示现有安装源
conda config --show channels
1.4.4 恢复默认源
conda config --remove-key channels
1.4.5 移除某个源
conda config --remove channels https://mirrors.cloud.tencent.com/anaconda/pkgs/pro/
2、新建fcf环境
将环境从base切换为fcf,添加清华源。
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 --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
3、安装pytorch
3.1 查看自己cuda版本,
我的cuda是11版本了,所以可以安装11版本以下的任何版本。
3.2 进入pytorch官网
官网网址:PyTorch
最终pytorch用pip安装
3.3 或者
我这里选择了只有CPU,按照官网对应的安装命令为[非最终,注意下面部分说明]:
conda install pytorch torchvision cpuonly -c pytorch
但是,请注意,我们已经添加了下载渠道为清华镜像了,因此不需要 -c pytorch这一部分,即最终的安装命令为:
conda install pytorch torchvision cpuonly
将这部分命令输入后,即可,已经完成了大部分工作。
conda install pytorch torchvision torchaudio cudatoolkit=11.2
安装完毕后,进入python检测是否安装成功
import torch
import torchvision
print(torch.cuda.is_available())
import torch
print(torch.version.cuda)
4. 安装Infomap (环境要求)
我们建议使用 pip。如果您想自己从源代码编译,请阅读从源代码编译部分。
安装 Infomap 需要工作gcc
或clang
编译器。更多信息可以在先决条件下找到。
4.1 使用点子
下载 Infomap 的最简单方法是从 Python 包索引 PyPi。
要安装,运行
pip install infomap
要升级,请运行
pip install --upgrade infomap
Infomap 需要支持 C++14 和可选 OpenMP的工作gcc
或clang
编译器。
在Windows系统上使用pip安装一些包时,“Microsoft Visual C++ 14.0 is required.”是个很常见的错误。网上流传的一些办法(如offline安装或二进制安装等)虽能解决,但终究还是在回避问题。
治本的解决办法是,安装Visual C++ 14.0,以解万忧。
首先确定你要安装的Visual C++编译器版本。每个Python版本都使用特定版本的编译器,因此需要安装与Python版本相对应的编译器:
在执行操作之前,先安装或升级Setuptools Python软件包。
pip install --upgrade setuptools
直接用 Visual C++ 14.2 编译器的 standalone,不需要安装Visual Studio 2019。
- 安装Microsoft Build Tools for Visual Studio 2019Microsoft Build Tools for Visual Studio 2019;下载 Visual Studio Tools - 免费安装 Windows、Mac、Linux
- 在 Build Tools 中,安装“使用C++的桌面开发”并确保安装详细信息的前两项勾选。
- setuptools Python包的版本必须至少为34.4.0。
安装以前的 Visual C++ 14版本(包括2015、2017版本)也可,视开发环境而定。
安装包的环境准备
1、InfoMap目前有两个版本,其中0.x的是稳定版,另外有个1.0处于beta阶段;
2、直接pip install infomap安装的就是beta的1.0版本,但是功能不全,并且只支持Python 3.x;
3、全功能的还是0.x版本,支持Python 2.7,但我不知道为什么0.x的最新版编译成功后import会出错。