1. Entorno y configuración del proyecto
Versión de CentOS Linux 7.6.1810 (Core) + 2 * GeForce GTX 1080ti + Python3.6.0 + Anaconda3 + Tensorflow1.14-gpu + CUDA 9.0.176 + CUDNN 7.6.4
- Ver el comando de la versión del sistema: busque / etc / -name * -release, luego cat release file path
- Ver comando de versión de GPU: nvidia-smi
- Ver el comando de la versión CUDA: cat /usr/local/cuda/version.txt
- Ver el comando de la versión CUDNN: cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
Dos, construcción ambiental
En el modo de línea de comandos en xshell, cree entornos cpu y gpu respectivamente.
(1) Cree un entorno llamado "tf-cpu-InsightFace" y "tf-gpu-InsightFace"
conda create -n tf-cpu-InsightFace python==3.6
conda create -n tf-gpu-InsightFace python==3.6
(2) Escriba el entorno anterior en el kernel de jupyter notebook
python -m ipykernel install --name一 tf-cpu-InsightFace
python -m ipykernel install --name tf-gpu-InsightFace
(3) Instalar bibliotecas de terceros
1. Active el entorno correspondiente en el modo de línea de comandos xshell:
## tf-cpu-InsightFace 环境激活
conda activate tf-cpu-InsightFace
## tf-gpu-InsightFace 环境激活
conda activate tf-gpu-InsightFace
## 查看所有环境
conda info --envs
2. Instale tensorflow 1.14
- Instalación de la versión gpu: la construcción del entorno gpu primero debe instalar cuda y cudnn (tenga en cuenta al instalar cuda y cudnn: la versión del controlador de gráficos gpu, la versión tensorflow-gpu, la versión cuda y la versión cudnn deben adaptarse), y luego instalar la versión gpu tensorflow.
conda install cuda==9.0
conda install cudnn
pip --default-timeout=100 install tensorflow-gpu==1.14
- instalación de la versión de cpu: pip --default-timeout = 100 install tensorflow == 1.14
3. Instale mxnet:
- Instalación de la versión de GPU: pip install mxnet-cu90
- Instalación de la versión de la CPU: pip install mxnet
4. Asegúrese de que la versión de scipy sea 1.2: pip install scipy == 1.2
5. Instale opencv: instale opencv: pip install opencv-python
6 、 安装 sklearn : pip install scikit-learn
7. Instale easydict: pip install easydict
8. Instale skimage: pip install scikit-image
Tres, pruebas ambientales
(1) prueba de entorno de tensorflow
1. Prueba de entorno de CPU: en el modo de línea de comando xshell, ingrese al entorno de Python y ejecute la declaración "import tensorflow as tf"
2. Prueba de entorno de GPU:
### GPU环境测试
import tensorflow as tf
with tf.device('/cpu:0'):
a = tf.constant([1.0,2.0,3.0],shape=[3],name='a')
b = tf.constant([1.0,2.0,3.0],shape=[3],name='b')
with tf.device('/gpu:1'):
c = a+b
print(c)
sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,log_device_placement=True))
sess.run(tf.global_variables_initializer())
print(sess.run(c))
(Dos) prueba de entorno mxnet
import mxnet as mx
from mxnet import nd
from mxnet.gluon import nn
mx.cpu(), mx.gpu(), mx.gpu(0)
a = nd.array([1, 2, 3], ctx=mx.gpu())