下載 Anaconda3,PyCharm,NVIDIA GeForce GTX 1080Ti 顯卡驅動,CUDA,cuDNN,Pytorch 安裝包,保存到同一個目錄(如「下載」目錄)html
https://www.anaconda.com/distribution/
選擇 Linux Python 3.7 version 64-Bit (x86) Installer,以下圖:
python
https://www.jetbrains.com/pycharm/download/#section=linux
選擇 Community 版,以下圖:
linux
https://www.geforce.cn/drivers
按如下條件篩選:
通常選列表第一個:
點擊下載按鈕:
git
https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal
按如下條篩選並下載:
github
https://developer.nvidia.com/rdp/cuDNN-archive
下載這個要向註冊一個NVIDIA 開發者帳號,微信掃碼就行。
按如下條件篩選並下載:
web
兩個 whl 包:vim
https://download.pytorch.org/whl/cu92/torch-1.3.0%2Bcu92-cp37-cp37m-linux_x86_64.whl
api
https://download.pytorch.org/whl/cu92/torchvision-0.4.1%2Bcu92-cp37-cp37m-linux_x86_64.whl
bash
若是要安裝其餘版本,自行到 https://download.pytorch.org/whl/torch_stable.html 下載。微信
# 先切換到你下載各個安裝包的目錄,這裏示範的是「下載」目錄 cd ~/下載/ sudo apt-get remove --purge nvidia* ./NVIDIA-Linux-x86_64-430.50.run --uninstall
# 先在軟件更新器裏面換源再安裝 sudo apt-get update sudo apt-get install dkms build-essential linux-headers-generic sudo apt-get install gcc-multilib xorg-dev sudo apt-get install freeglut3-dev libx11-dev libxmu-dev install libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
# 打開文件 blacklist-nouveau.conf sudo gedit /etc/modprobe.d/blacklist-nouveau.conf # 圖形界面下 sudo vi /etc/modprobe.d/blacklist-nouveau.conf # TTY(終端)下,vim 使用方法自行百度 # 追加如下內容: blacklist nouveau blacklist lbm-nouveau options nouveau modeset=0 alias nouveau off alias lbm-nouveau off
echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf sudo update-initramfs -u # 更新內核 reboot #重啓
因爲這次配置的機器默認已關閉這兩個選項,跳過。
重啓後,先不要直接登陸,必須先進入TTY關閉圖形界面裝好顯卡驅動後才能正常進入系統。
CTRL + ALT + F1,打開TTY,輸入用戶名,密碼,關閉圖形界面。
sudo service lightdm stop sudo service systemctl stop
# 先切換到你下載各個安裝包的目錄,這裏示範的是「下載」目錄 cd ~/下載/ ls # 獲取驅動安裝包名稱 # 添加權限,文件名自行更改 chmod a+x NVIDIA-Linux-x86_64-430.50.run # 執行安裝包,文件名自行更改,後面的參數不可缺乏或錯誤! sudo ./NVIDIA-Linux-x86_64-430.50.run --dkms --no-opengl-files
注意執行文件後面的參數 –dkms --no-opengl-files ,必定要輸對!
安裝包執行後,會提示 pre-script failed ,不用理會,繼續安裝,安裝過程當中:
dkms 選 no
32位兼容 選 yes
x-org 選 no
nvidia-smi # 若列出GPU的信息列表,表示驅動安裝成功
sudo service lightdm start # 若沒自動跳轉,CTRL+ALT+F7 # 輸入密碼,登陸系統 nvidia-settings # 若彈出 NVIDIA 設置對話框,亦表示驅動安裝成功
# 先切換到你下載各個安裝包的目錄,這裏示範的是「下載」目錄 cd ~/下載/ sudo sh ./Anaconda3-2019.10-Linux-x86_64.sh # 文件名自行更改
輸入 yes ,執行安裝,安裝時各個目錄默認便可。
在文件管理器 下載 裏面找到安裝文件,如 pycharm-community-2019.2.3.tar.gz,右鍵提取。
打開提取出的文件夾(如 pycharm-community-2019.2.3 ),進入其中的 bin 文件夾,右鍵 打開終端 ,執行如下命令:
sudo sh ./pycharm.sh
而後一直下一步就行,建立快捷方式選 是 。
打開安裝好的 Pycharm ,依次進入 File -> Settings -> Project *** -> Project Interpreter , 右邊小齒輪,Add -> System Interpreter ,右邊三個點,選擇 Anaconda3 目錄下的 python 解釋器( ~/anaconda3/bin/python/python)。
# 先切換到你下載各個安裝包的目錄,這裏示範的是「下載」目錄 cd ~/下載/ sudo sh ./cuda_9.0.176_384.81_linux.run # 文件名自行更改
提示是否安裝顯卡驅動時,選 no (由於以前已經安裝了 NVIDIA 顯卡驅動,因此這裏就不用重複安裝,不要問爲何要提早安裝好顯卡驅動,問就是必需要這樣,再問錘人)。
# 打開配置文件 sudo gedit ~/.bashrc # 在文件末尾追加下面內容: export PATH=/usr/local/cuda-9.0/bin${PATH:+:$PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} # 保存,退出
# 先切換到你下載各個安裝包的目錄,這裏示範的是「下載」目錄 cd ~/下載/ # 解包 sudo dpkg -i libcudnn7_7.6.3.30-1+cuda9.0_amd64.deb # 文件名自行更改 # 安裝 sudo apt install libcuDNN7 # 包名自行更改
# 先切換到你下載各個安裝包的目錄,這裏示範的是「下載」目錄 cd ~/下載/ # 安裝輪子(安裝 whl 的工具) pip install wheel --user # 安裝 PyTorch 的兩個 whl 包,包名自行更改 pip install torch-1.3.0+cu92-cp37-cp37m-linux_x86_64.whl pip install torchvision-0.4.1+cu92-cp37-cp37m-linux_x86_64.whl
pip install mmcv
解壓 包文件 mmdetection-master.zip ,在解壓後的文件夾下打開終端,執行如下命令:
python setup.py develop
而後將解壓後獲得的 mmdet 文件夾複製到Python包文件夾(Python主目錄/Lib/site-packages/)下。
打開 Pycharm ,Run -> Edit configurations -> Environment variables,添加如下內容:
LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64/
下載預訓練模型(本例中爲 faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth ):
https://github.com/open-mmlab/mmdetection/blob/master/MODEL_ZOO.md
在 Pycharm 中新建一個項目文件夾和一個測試py文件,輸入如下內容:
# coding=utf-8 from mmdet.apis import init_detector from mmdet.apis import inference_detector from mmdet.apis import show_result # 模型配置文件 config_file = '../../configs/faster_rcnn_r50_fpn_1x.py' # 預訓練模型文件 checkpoint_file = '../../checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth' # 經過模型配置文件與預訓練文件構建模型 model = init_detector(config_file, checkpoint_file, device='cuda:0') # 測試單張圖片並進行展現 img = 'test1.jpg' result = inference_detector(model, img) show_result(img, result, model.CLASSES) # 測試一個圖像列表並保存結果圖像 imgs = ['test1.jpg', 'test2.jpg', 'test3.jpg'] for i, result in enumerate(inference_detector(model, imgs)): show_result(imgs[i], result, model.CLASSES, out_file='result_{}.jpg'.format(i))
運行py文件,執行成功則表示配置成功。 如在配置過程當中有任何疑問,歡迎留言! 2019.11.01 23:49 Hafowi