本地训练环境搭建
2022-07-06
时间 | 负责人 | 更新内容 | 备注 |
---|---|---|---|
2022年1月22日 | Rui | 编写初稿文档 | ---- |
由于训练需要用到显卡,关于安装显卡驱动、CUDA、CUDNN 请自行百度查阅安装,本文不做详细说明。(ADM 显卡或者无显卡的,可以使用 CPU 进行训练)
一、安装 Python 软件包#
本地训练时使用 Python 进行搭建的,需要在电脑上安装 Python,请自行百度 Python 如何安装。我们所有的训练工程都是使用 PyTorch 框架进行搭建(wsl中同样要安装以下的 Python 软件包)
需要安装以下 Python 软件包:
- PyTorch
- torchsummary
- pycocotools
- opencv
下载安装包,可以通过在安装指令后面添加
-i https://mirrors.ustc.edu.cn/pypi/web/simple
来使用中科大 pypi 源进行加速
1.1. 安装 PyToch#
进入 Pytorch 下载帮助页面,根据自己所用系统的环境情况,选择对应的 CUDA 版本和安装包的类型,这里所选用的是 CUDA 10.2、 Linux 系统、稳定版、pip包(30 系列显卡只能使用11.2以上的版本)
1.2. 安装 torchsummary、pycocotools#
然后再通过 pip 进行安装 torchsummary
1.3. 安装 Opencv#
二、onnx2ncnn 模型转换工具#
PyTorch 不能直接将模型导出成 ncnn 格式,需要使用 onnx2ncnn 转换工具进行转换,需要用户自行去编译出对应的可执行文件。具体的编译步骤如下
安装编译环境所需要用到的软件
下载慢的可以通过更换镜像源或者是使用代理进行下载,但是 wsl 中使用非官方的镜像源可能会导致部分软件不能下载
需要先拉取整个 ncnn 转换工具的工程到任意文件夹下
工程编译初始化
开始编译
编译结束之后,可以在 ncnn/build/tools/onnx 目录下,能得到 onnx2ncnn 模型转换工具,执行以下命令添加到系统的环境变量中
打开.bashrc文件之后,将下面这句代码添加到最后一行
三、文章参考#
- 显卡驱动安装:https://neucrack.com/p/252
- opencv 多版本共存:https://neucrack.com/p/349
Related Issues not found
Please login GitHub to create issue