2019-12-31: Combate real del proyecto InsightFace (1) Configuración, construcción y pruebas del entorno

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())