Ubuntu服务器上搭建CornerNet-Lite环境

最新推荐文章于 2023-11-14 23:45:28 发布

青鸟飞鱼zzz

最新推荐文章于 2023-11-14 23:45:28 发布

阅读量609

点赞数 2

分类专栏： CornerNet-Lite 文章标签： ubuntu linux 深度学习

本文链接：https://blog.csdn.net/weixin_43530173/article/details/108804338

版权

CornerNet-Lite 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

Ubuntu服务器上搭建CornerNet-Lite环境

本篇博客记录了博主在Ubuntu14.04的服务器上搭建CornerNet-Lite环境的全过程，希望能帮助读者少踩坑，如有错误之处，敬请指正。

一、Github上下载CornerNet-Lite开源代码

Github链接：https://github.com/princeton-vl/CornerNet-Lite

进入一个空的文件夹，输入以下命令下载源码：

(base) cjp@ubuntu3:~$ git clone https://github.com/princeton-vl/CornerNet-Lite

查看工程中的README.md文件，可以知道其依赖的软件环境：

Python 3.7
PyTorch 1.0.0
CUDA 10
GCC 4.9.2 or above
Anaconda

由于是在服务器上搭建环境，我们选择用Anaconda创建一个虚拟环境，然后在虚拟环境中安装上述软件。

二、Anaconda创建虚拟环境

1.安装Anaconda

由于官网下载需要注册账号，并且速度较慢，我们选择在清华大学开源软件镜像站中下载。

下载网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

在上述网址中根据自己系统的指令集选择一个对应的Anaconda版本（如果版本与系统不对应则无法使用），如这里我们选择Anaconda-1.4.0-Linux-X86_64.sh，右键复制其下载地址，在服务器上用wget进行下载：

Anaconda下载

(base) cjp@ubuntu3:~$ wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda-1.4.0-Linux-x86_64.sh

下载完成后，进入安装包所在的目录，输入以下命令进行安装：

(base) cjp@ubuntu3:~$ bash Anaconda-1.4.0-Linux-x86.sh

随后会进入安装步骤，根据提示输入yes、回车、安装目录等（要看仔细）。安装完成后会询问是否添加到系统路径，输入yes。也可以手动进行添加：

(base) cjp@ubuntu3:~$ nano ~/.bashrc

在文末添加以下语句：

export PATH="$YOUR_PATH/anaconda3/bin:$PATH"

上述"$YOUR_PATH"需要换成你Anaconda所在的目录。

添加完成后输入：

(base) cjp@ubuntu3:~$ source ~/.bashrc

此时Anaconda的安装就完成了，输入如下命令即可查看安装的Anaconda版本：

(base) cjp@ubuntu3:~$ conda --verdion

随后需要对Anaconda进行换源，各种国内的源都可以，我们这里选择更换清华源，在shell命令行中依次输入以下命令：

(base) cjp@ubuntu3:~$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
(base) cjp@ubuntu3:~$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
(base) cjp@ubuntu3:~$ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
(base) cjp@ubuntu3:~$ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
(base) cjp@ubuntu3:~$ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
(base) cjp@ubuntu3:~$ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
(base) cjp@ubuntu3:~$ conda config --set show_channel_urls yes

2.用Anaconda创建虚拟环境

CornerNet-Lite开源代码中的conda_packagelist.txt文件记录了所有依赖项，可以运用这一文件直接创建虚拟环境：

(base) cjp@ubuntu3:~$ conda create --name CornerNet_Lite --file conda_packagelist.txt

创建完成后激活环境：

(base) cjp@ubuntu3:~$ source activate CornerNet_Lite

如果激活成功，shell命令行中段首的"(base)“将会更改为”(CornerNet_Lite)"。

Anaconda创建虚拟环境

3.在自己的路径下安装CUDA

在shell命令行输入：

(CornerNet_Lite) cjp@ubuntu3:~$ nvcc -V

即可查看当前环境下CUDA的版本。如果服务器上没有CUDA或CUDA版本不是10，则需要在自己的路径下安装版本为10的CUDA。

由于在服务器上搭建环境大多数情况下不会给你sudo权限，以下将介绍不用sudo权限的CUDA安装方法。

CUDA的下载地址：https://developer.nvidia.com/cuda-toolkit-archive

CUDA下载
在上述下载地址中点击CUDA Toolkit 10.0，按照下图所示选择与自己服务器系统对应的版本，右键复制下载地址，用wget进行下载：

CUDA版本选择

(CornerNet_Lite) cjp@ubuntu3:~$ wget http://developer.download.nvidia.com/compute/cuda/10.0/Prod/patches/1/cuda_10.0.130.1_linux.run

随后用sh运行.run文件：

(CornerNet_Lite) cjp@ubuntu3:~$ sh cuda_10.0.130.1_linux.run

安装过程中依次输入accept、n、y、安装目录、n、n。

完成后同样需要给个人用户添加环境变量：

(CornerNet_Lite) cjp@ubuntu3:~$ nano ~/.bashrc

在文末添加以下两句：

export PATH=$HOME/cuda10/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/cuda10/lib64/

注意以上路径要换成你的CUDA安装路径，我的CUDA是安装在~/cuda10/文件夹中，添加完成后输入：

(CornerNet_Lite) cjp@ubuntu3:~$ source ~/.bashrc

此时就已经成功地在个人路径下安装10.0版本的CUDA，为了查看此时的CUDA版本，可再次输入：

(CornerNet_Lite) cjp@ubuntu3:~$ nvcc -V

可以发现CUDA的版本已经改变成10。

4.安装对应版本的pytorch

pytorch的下载网址：https://pytorch.org/get-started/previous-versions/

在上述网址中找到对应CUDA 10.0的pytorch 1.0.0版本，并按照提示进行安装：

pytorch版本选择

(CornerNet_Lite) cjp@ubuntu3:~$ conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 -c pytorch

安装好后可运行python脚本进行测试：

(CornerNet_Lite) cjp@ubuntu3:~$ python
>>> import torch
>>> torch.cuda.is_available()

如果返回True，表明pytorch安装成功。

pytorch安装成功

三、用官方模型进行测试

在博主的Github上下载CornerNet_Squeeze的官方训练模型：https://github.com/bird1and1fish/CornerNet_Squeeze

命令行中输入:

(CornerNet_Lite) cjp@ubuntu3:~$ git lfs clone https://github.com/bird1and1fish/CornerNet_Squeeze

由于该文件是git-lfs大文件，需要先安装git-lfs后才能正常用上述方法下载。

下载完成后在CornerNet-Lite工程中创建cache/nnet/CornerNet_Squeeze/的文件目录。并将CornerNet_Squeeze_500000.pkl模型文件放在CornerNet-Lite/cache/nnet/CornerNet_Squeeze/目录下。

修改工程中的demo.py如下：

import cv2
from core.detectors import CornerNet_Squeeze
from core.vis_utils import draw_bboxes

detector = CornerNet_Squeeze()
image    = cv2.imread("demo.jpg")

bboxes = detector(image)
image  = draw_bboxes(image, bboxes)
cv2.imwrite("demo_out.jpg", image)

上述代码是将默认的CornerNet-Saccade模型改为CornerNet-Squeeze模型。如果想用CornerNet-Saccade模型测试则不用修改，但是需要下载对应的CornerNet_Saccade_500000.pkl模型文件，并放在CornerNet-Lite/cache/nnet/CornerNet_Saccade/目录下。

此时运行demo.py文件：

(CornerNet_Lite) cjp@ubuntu3:~/CornerNet-Lite$ python demo.py

如果生成了demo_out.jpg图像，则证明CornerNet-Lite整个的环境搭建成功。

输出图像