2019-12-31：InsightFace项目实战（一）环境配置、搭建和测试

一、项目环境及配置

CentOS Linux release 7.6.1810 (Core) + 2*GeForce GTX 1080ti + Python3.6.0 + Anaconda3 + Tensorflow1.14-gpu + CUDA  9.0.176 + CUDNN 7.6.4

• 查看系统版本命令：find /etc/ -name *-release，然后 cat release文件路径
• 查看GPU版本命令：nvidia-smi
• 查看CUDA版本命令：cat /usr/local/cuda/version.txt
• 查看CUDNN版本命令：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

二、环境搭建

xshell下命令行方式，分别搭建cpu和gpu环境。

（一）创建名为”tf-cpu-InsightFace“的环境和"tf-gpu-InsightFace"

conda create -n  tf-cpu-InsightFace python==3.6
conda create -n  tf-gpu-InsightFace python==3.6

（二）将上述环境写入jupyter notebook的kernel中

python -m ipykernel install --name一 tf-cpu-InsightFace
python -m ipykernel install --name tf-gpu-InsightFace

（三）安装第三方库

1、xshell命令行模式下激活对应环境：

## tf-cpu-InsightFace 环境激活
conda activate tf-cpu-InsightFace

## tf-gpu-InsightFace 环境激活
conda activate tf-gpu-InsightFace

## 查看所有环境
conda info --envs

2、安装tensorflow1.14

• gpu版本安装：gpu环境搭建还要先安装cuda和cudnn（安装cuda和cudnn时要注意：gpu显卡驱动版本、tensorflow-gpu版本、cuda版本和cudnn版本之间要适配），再安装gpu版本的tensorflow。

conda  install cuda==9.0
conda install cudnn
pip --default-timeout=100 install tensorflow-gpu==1.14

• cpu版本安装：pip --default-timeout=100 install tensorflow==1.14

3、安装mxnet：

• GPU版本安装：pip install mxnet-cu90
• CPU版本安装：pip install mxnet

4、保证scipy版本为1.2：pip install scipy==1.2

5、安装opencv：安装opencv：pip install opencv-python

6、安装sklearn：pip install scikit-learn

7、安装easydict：pip install easydict

8、安装skimage：pip install scikit-image

三、环境测试

（一）tensorflow环境测试

1、cpu环境测试：xshell命令行模式下，进入python环境，执行”import tensorflow as tf“语句

2、gpu环境测试：

### GPU环境测试

import tensorflow as tf

with tf.device('/cpu:0'):
    a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
    b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')

with tf.device('/gpu:1'):
    c = a+b
print(c)

sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))

（二）mxnet环境测试

import mxnet as mx
from mxnet import nd
from mxnet.gluon import nn

mx.cpu(), mx.gpu(), mx.gpu(0)

a = nd.array([1, 2, 3], ctx=mx.gpu())