TTS训练环境安装

1. conda环境安装

https://mirrors.ustc.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh 下载安装脚本文件

bash Miniconda3-latest-Linux-x86_64.sh  # 全部yes
bash  # 进入conda base环境

2. conda 创建py环境

conda create -n py38 python=3.8   # 创建虚拟环境 指定py版本
conda env list # 查看所有虚拟环境列表
conda activate py38 

3. 安装torch等深度学习包

pip install torch==2.1.0+cu118 torchaudio==2.1.0+cu118 torchvision==0.16.0+cu118 -i https://mirrors.tuna.tsinghua.edu.cn/help/pypi/
conda install -c huggingface transformers
pip install -r requirements.txt

4. 配置Linux环境变量

vim ~/.bashrc
# 指向cuda11.8 
export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH

source ~/.bashrc

cat requirements.txt
tqdm
mccabe
pycodestyle==2.6.0
pyflakes==2.2.0
tensorboard
scikit-learn
WeTextProcessing
monotonic_align
matplotlib
librosa==0.8.0
scipy==1.5.2
transformers
websocket-client
torchvision
torch==1.10.2

5. chatGPT了解TTS训练包

1. transformer

ModuleNotFoundError: No module named 'transformers' 错误表示在你的 Python 环境中没有安装 transformers 模块。这个模块通常用于自然语言处理任务中，例如使用 BERT、GPT 等预训练模型。

解决方法

1. 使用 pip 安装

使用 pip 安装最新版本的 transformers：

pip install transformers

如果你使用的是 Python3，请确保使用 pip3：

pip3 install transformers

2. 使用 Anaconda 安装

如果你使用 Anaconda 或 Miniconda 管理 Python 环境，建议使用 conda 安装：

conda install -c huggingface transformers

3. 检查安装

安装完成后，可以在 Python 中导入 transformers 并检查是否成功安装：

import transformers

# 打印版本号
print(transformers.__version__)

如果没有出现错误并且打印出了版本号，则说明安装成功。

虚拟环境

如果你在使用虚拟环境（如 venv 或 conda 创建的环境），请确保你已经激活了相应的环境，并在其中安装了 transformers。

示例

以下是一个简单的示例，演示如何导入 transformers：

from transformers import pipeline

# 使用预训练的情感分析模型（BERT）
classifier = pipeline('sentiment-analysis')

result = classifier('I love PyTorch!')
print(result)

按照以上步骤操作，可以解决 ModuleNotFoundError: No module named 'transformers' 错误，并在你的项目中使用 transformers 模块。如果还有其他问题或需要进一步帮助，请随时告诉我！

2. requirements

这里是对你列出的 Python 包的简要介绍：

1. tqdm:

   • 用途: 这是一个快速、可扩展的进度条工具包，可以在 Python 长时间运行的任务中展示进度条。
   • 应用场景: 在数据处理、训练模型等需要较长时间的任务中显示进度条。

2. mccabe:

   • 用途: 用于计算 Python 代码的 McCabe 复杂度（圈复杂度），这是一种度量代码复杂度的方法。
   • 应用场景: 代码分析和质量检查。

3. pycodestyle:

   • 用途: 以前叫做 pep8，是一个 Python 编码风格检查工具。
   • 应用场景: 检查代码是否符合 PEP 8 规范。

4. pyflakes:

   • 用途: 用于静态代码分析，检测 Python 代码中的错误。
   • 应用场景: 代码质量和错误检查。

5. tensorboard:

   • 用途: TensorFlow 的可视化工具，用于监控和调试机器学习模型的训练过程。
   • 应用场景: 可视化训练过程、损失曲线、精度等。

6. scikit-learn:

   • 用途: 一个流行的机器学习库，提供了许多常用的机器学习算法和工具。
   • 应用场景: 数据预处理、分类、回归、聚类等。

7. WeTextProcessing:

   • 用途: 可能是一个自定义或不太知名的文本处理库。
   • 应用场景: 处理和分析文本数据。

8. monotonic_align:

   • 用途: 可能是一个专用的对齐工具包，通常用于语音或序列数据的对齐。
   • 应用场景: 语音处理或时间序列对齐。

9. matplotlib:

   • 用途: 一个广泛使用的绘图库，可以生成各种类型的图表和图形。
   • 应用场景: 数据可视化、绘制图表和图形。

10. librosa:

    • 用途: 一个用于音频和音乐分析的 Python 库。
    • 应用场景: 音频处理、特征提取、音乐分析。

11. scipy:

    • 用途: 一个科学计算库，包含许多高级数学、科学和工程模块。
    • 应用场景: 数学运算、统计分析、信号处理等。

12. transformers:

    • 用途: Hugging Face 提供的一个用于自然语言处理（NLP）的库，支持许多预训练的语言模型，如 BERT、GPT 等。
    • 应用场景: 自然语言处理任务，如文本分类、生成、翻译等。

13. websocket-client:

    • 用途: 用于 WebSocket 客户端的 Python 库。
    • 应用场景: 实现 WebSocket 客户端，进行实时通信。

这些库涵盖了数据处理、代码质量检查、机器学习、科学计算、音频处理、自然语言处理和实时通信等多个领域。根据你的项目需求，可以选择合适的库来完成相应的任务。

3. 版本报错

RuntimeError: Please install <module 'torch' from '/miniconda3/envs/py38TTS/lib/python3.8/site-packages/torch/init.py'> == 1.10.2, but get 2.1.0
这个错误信息表明你的代码或环境期望使用 torch 版本 1.10.2，但你当前安装的版本是 2.1.0。你需要安装正确的 torch 版本来解决这个问题。

解决方案

1. 卸载当前的 torch 版本

首先，你需要卸载当前安装的 torch 版本：

pip uninstall torch

2. 安装指定版本的 torch

然后，你可以安装 torch 版本 1.10.2：

pip install torch==1.10.2

验证安装

安装完成后，你可以验证安装的版本是否正确：

python -c "import torch; print(torch.__version__)"

这应该输出 1.10.2，确认你已经成功安装了指定版本的 torch。

总结

通过卸载当前版本的 torch 并安装指定版本，可以解决这个版本不匹配的问题。确保你安装的版本与代码或环境要求的版本一致。

4. torch与torchvision版本不匹配

RuntimeError: Unable to import dependency torchvision. No module named 'torch.library'

这个错误信息表明在导入 torchvision 库时，遇到了一个依赖问题，即无法找到 torch.library 模块。这通常意味着 torchvision 和 torch 之间存在版本不匹配问题。

解决方案

1. 确认 torch 和 torchvision 的兼容版本

确保 torch 和 torchvision 版本是相互兼容的。不同版本的 torch 和 torchvision 可能有不同的兼容性要求。你可以在 PyTorch 官方网站 查找各个版本的兼容性信息。

2. 卸载 torch 和 torchvision

首先，卸载当前版本的 torch 和 torchvision：

pip uninstall torch torchvision

3. 安装兼容版本的 torch 和 torchvision

然后，安装兼容的版本。例如，如果你使用 torch 版本 1.10.2，你需要安装兼容的 torchvision 版本：

pip install torch==1.10.2 torchvision==0.11.3

请根据你的具体需求和兼容性信息调整版本号。

其他建议

1. 使用新的虚拟环境

如果可能的话，建议在新的虚拟环境中安装这些包，以避免与其他项目的依赖冲突。

python -m venv myenv
source myenv/bin/activate  # 在 Windows 上使用 myenv\Scripts\activate
pip install torch==1.10.2 torchvision==0.11.3

2. 验证安装

安装完成后，验证安装是否成功：

import torch
import torchvision
print(torch.__version__)
print(torchvision.__version__)

这应该输出 torch 和 torchvision 的版本，确保它们是兼容的。

总结

通过确保 torch 和 torchvision 的版本兼容，并在新的虚拟环境中安装，可以解决这个依赖问题。根据需要调整版本号，确保所有依赖项都正确安装。