ubuntu system install environment for faster-RCNN

主要介绍一下ubuntu下安装faster rcnn的环境的过程，以及linux系统下常用的一些指令的归纳总结。

一、ubuntu下安装faster rcnn

本文是在默认已经安装好 NVIDIA驱动安装、 安装cuda+cudnn、 安装Anaconda的基础上进行的深度学习faster rcnn项目环境的搭建。如果以上没有安装好，请参考博文最下面的链接。

1 首先直接在桌面上，右键，打开一个终端，如下：

2 接下来可以用linux的命令，去了解一下这个系统及其各文件夹。这些命令有ls cd conda env list conda info python

3 在env目录下右键打开一个终端，创建faster-rcnn虚拟环境，python版本选的3.6
conda create -n faster-rcnn python=3.6

4 新的环境建立好之后，可以查看一下。查看一下python的版本，用conda env list查看一下系统中现在所有的环境。用conda activate faster-rcnn可以激活faster rcnn环境。用conda deactivate可以退出当前环境。

5 在faster rcnn虚拟环境下，安装faster rcnn项目中要用到的包。
安装的路径：/home/qic/env/anaconda3/envs

需要安装的包：lxml matplotlib numpy tqdm pycocotools Pillow（在线下载安装）

使用命令（是一个一个安装的）：pip install pycocotools -i https://pypi.mirrors.ustc.edu.cn/simple/

然后再安装包 torch 和 torchvision（这两个包用的离线文件安装）
使用的命令：
pip install /home/qic/DeepNetworkYL/安装文件/torch-1.8.0+cu111-cp36-cp36m-linux_x86_64.whl

pip install /home/qic/DeepNetworkYL/安装文件/torchvision-0.9.0+cu111-cp36-cp36m-linux_x86_64.whl

6 下载faster rcnn的权重文件和解压数据集

解压数据集路径： /home/qic/DeepNetworkYL/faster_rcnn
解压数据集指令：tar -xvf VOCtrainval_11-May-2012.tar

7 Pycharm安装与配置（这部分别人装的）

8 在下面的路径中打开终端输入命令，运行pycharm
路径：/home/qic/pycharm-community-2022.2/bin
终端输入命令： ./pycharm.sh

9 用pycharm打开faster rcnn的项目，并设置 python interpreter
为 conda environment下的编译器

二、linux系统下常用的指令

远程调试 vscode
远程运行程序终端以及发送文件给深度服务器 xshell

在linux系统中，.sh为可执行文件，蓝色的为文件夹

linux指令：
ctrl+insert 复制
shift+insert 粘贴
ifconfig 查看网卡配置与网络状态信息
pwd查询当前路径
ls查看当前路径下的文件夹
cd 去目录
cd …去上一个目录下
cd de（某一个目录名字的前几个字母） 然后按tab键，可以自动补全整个目录的名字
conda -V检验当前conda的版本
conda env list查看已有的虚拟环境
conda activate faster-rcnn激活虚拟环境
conda deactivate失活虚拟环境
conda info 查询conda信息
gedit /home/qic/.condarc用gedit打开.condarc
conda remove -n env_name --all 删除虚拟环境env_name
:wq或者quit() linux系统的退出

…/ 表示上级目录
./ 指代当前目录下的东西
./XXX 表示当前目录下的XXX
vim train.py 看文件
python train.py 运行python的文件
nvidia-sim -l 2 隔两秒刷新一下GPU的状态，看显卡利用率
nvidia-smi 显示GPU当前的状态

关于screen指令：在训练的时候很有用
screen ls 查询所有screen
screen -s test2 创建screen
screen -r 9839 进入9839 screen
detached 断连
ctrl+A+D退出screen

关于sudo指令：
sudo -m -f
sudo apt-get nvidia-cuda-toolkit 这条指令应该是记错东西了
sudo rm -rf ** 表示删除某个目录，千万注意，慎用
sudu rm-rf * 使用管理员权限删除指定目录中的一切文件并无需确认 ，慎用
sudo ln -s cuda-11.1 cuda 将cuda-11.1链接到后面的cuda。关于这个可以看一下以下两个链接会有帮助理解（Ubuntu20.4+CUDA11.1+ CUDNN8.05和一文理清CUDA环境配置（Linux/Windows，包括pytorch、mmdetection等））

三、以下技巧听人说的还未曾尝试

1 不用每次都安装全部的环境，如果有部分包是通用的，在windows下，可以直接copy。
Anacoda->envs->yolov54（这个是以前建立好的虚拟环境，有些需要的安装包可以直接去copy）->lib->site-packages把这个文件夹下相关的包copy到自己新建的环境中的site-packages这个文件夹下。
linux系统下怎么copy还不知道。

2 可视化训练结果
tensorboard -logdir=./ 可以看图，可视化训练的结果

参考链接：
从零到一保姆级Ubuntu深度学习服务器环境配置教程