SRGAN环境搭建|简记

git 代码库

---

环境搭建：

当前作者已经把这个代码更新到 TensorFlow 2.0 and the TensorLayer 2.0+

conda create -n tf20 python=3.6.6

pip install tensorflow-gpu==2.0.0

pip install tensorlayer

pip install easydict

tensorflow-gpu 2.0 需要匹配的 cuda 和 cudnn 如上；
因为我的此次训练使用的服务器是 cuda 10.0 cudnn 是 7.4.2

所以训练报错如下：

Loaded runtime CuDNN library: 7.4.2 but source was compiled with: 7.6.0.  

解决方法：

1. 把服务器CuDNN libcudnn.so 文件进行替换，但是　需要　root 权限
2. 安装一个当前用户自己的cuda， 这样不影响其他用户使用　root 的cuda
3. 换一台新的服务器
4. 使用作者先前版本的代码进行测试

最终选择方法二：安装一个当前用户自己的cuda
上面这篇链接，解决了这个小问题。

---

Start Train：

---

• 如果遇到输入如下：

Could not load dynamic library 'libcudnn.so.7'; dlerror: libcudnn.so.7: cannot open shared object file: No such file or directory; LD_LIBRARY_PATH: :/usr/local/cuda-10.0/lib64:/usr/local/lib/

Skipping registering GPU devices...

分析：
srgan 此次训练 因为 libcudnn 加载失败，因此 无法使用 GPU来进行训练学习， 它会选择 不使用 GPU ，而选择 使用 CPU来训练，这个时候你会发现 显卡虽然 被占用了，但是 利用率却很低，这就是 实际上 并没有 使用 GPU。

如果是其他程序，cudnn 加载失败的话，无法使用GPU, 可能就会直接报错了。
解决方法：
正确配置 cuda 和 cudnn，在环境变量中设置路径，并 source .bashrc 使生效。

---

---

---

---

---

---