模型训练环境快速打包迁移,避免重新配环境
首先,我们通过conda创建虚拟环境,搭建深度学习环境,但是开发好以后,在一些没有实时性要求的场景,通过python端部署即可,同时有的大的框架,python端部署效率已经很高了,因此可以直接使用python进行部署,那么如果我们部署到不同的服务器上,安装依赖需要联网,但是有时环境无法联网,因此需要离线安装,同时有的依赖很多,很繁琐,如何解决这些问题呢?
其实conda已经把这些都做好了,只需要把conda创建的环境打包即可,然后解压到新的环境里即可直接使用了,具体步骤如下:
先安装工具conda install -c conda-forge conda-pack
1.创建conda的开发环境: conda create -n env_name python=版本号
例如: conda create -n ocr python=3.7
2.在这个环境的基础上开发深度学习模型,就需要安装大量的依赖,不用担心,安装即可,然后训练模型,开发即可,当你开发完成以后可以部署了,首先应该解决的就是环境依赖问题
3.在开发以后,我们可以直接对开发环境进行打包:conda pack -n env_name
(如果报错使用conda pack -n env_name --ignore-editable-packages
)
这里解释一下,如果存在本地安装的环境,或者依赖其他编译的环境 则选择忽略,如果不添加–ignore-editable-packages ,会报错,通常这种情况选择忽略在新的的环境中自己本地安装即可
例如我的:conda pack -n ocr -o ocr.tar.gz
4.打包好后会在本文件夹下生成env_name.tar.gz,例如上面我的就是ocr.tar.gz,这里基本上就打包好了,然后我们测试一下。
5.重新创建一个文件夹,为了避免再次调用conda的其他环境,我们使用conda deactivate
进行关闭conda的base环境,然后把上面的压缩包复制到新的文件夹解压
6.使用 mkdir -p name_env
创建目录,使用tar -xzf ocr.tar.gz -C ocr_env/
进行解压,进入bin目录,如上图,然后执行:source ./activate
7.此时已经激活了环境了,就可以直接使用了:
8.把这个压缩包,解压到其他的linux平台,按照步骤解压激活即可直接使用了
整理不易🚀🚀,关注和收藏后拿走📌📌欢迎留言🧐👋📣
欢迎专注我的公众号AdaCoding 和 Github:AdaCoding123