windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)

前言

深度学习小白一个,第一次写配置教程,根据网上各位大佬及官网的教程整理的一个比较简易环境配置教程

推荐个全能终端神器:MobaXterm

一、Windows11配置wsl

开启wsl

选择设置-应用-可选功能-更多windows功能

windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)_第1张图片

 

在应用商店选择ubuntu20.04版本,不用修改源。国内速度还行。

1、安装好wsl子系统后,查看子系统命令

Wsl -l

2、导出子系统

wsl --export Ubuntu-20.04 D:\Ubuntu-20.04.tar

wsl --export 子系统名称 D:\子系统名称.tar

3、注销原子系统

wsl --unregister Ubuntu-20.04

#注意一定要在设置里卸载子系统,不然mobaxterm自动开启原c盘ubuntu

4、导入非系统盘子系统存放路径

wsl --import Ubuntu-20.04 d:\Ubuntu-20.04 D:\Ubuntu-20.04.tar

wsl --import Ubuntu-20.04 d:\路径名 D:\Ubuntu-20.04.tar

5、查询子系统导入是否成功

Wsl -l

查询到子系统后说明导入成功

导入情况见下图

windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)_第2张图片

二、CUDA Toolkit 11.3 wsl安装

由于pytorch最高支持cuda版本为11.3,所以要cuda版本配合为11.3

可参考nVidia官网安装说明

wsl下安装命令如下:

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin

sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600

sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/7fa2af80.pub

sudo add-apt-repository "deb Index of /compute/cuda/repos/wsl-ubuntu/x86_64 /"

sudo apt-get update

注意要选择安装版本

查看包详情

apt-cache policy cuda

windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)_第3张图片

sudo apt-get -y install cuda=11.3.0-1

检查安装

nvcc -V

 

命令报错的话千万别执行apt install nvidia-cuda-toolkit,不然pytorch无法启用gpu,ubuntu官方源的nvidia-cuda-toolkit版本号不对。

windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)_第4张图片

nvidia-smi

windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)_第5张图片

 

三、安装pytorch

可参考pytorch官网安装说明

安装pip

apt install python3-pip

选择pip安装

pip3 install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

检查安装情况

import torch

print(torch.version.cuda)

print(torch.cuda.is_available())

显示如下图表示成功

windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)_第6张图片

如果为fales的情况下需检查cuda版本是否对应,看

 

四、安装tensorrt

建议选择pip安装

pip install tensorrt

pip install nvidia-pyindex

pip install nvidia-tensorrt

python3 -m pip install --upgrade nvidia-tensorrt

pip3 install 'pycuda<2021.1'

检查安装情况 

windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)_第7张图片

五、安装yolox

参考官网教程

Megvii-BaseDetection/YOLOX: YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngine, ONNX, TensorRT, ncnn, and OpenVINO supported. Documentation: https://yolox.readthedocs.io/ (github.com)

Installation

Step1. Install YOLOX.

git clone [email protected]:Megvii-BaseDetection/YOLOX.git
cd YOLOX
pip3 install -U pip && pip3 install -r requirements.txt
pip3 install -v -e .  # or  python3 setup.py develop
 

Step2. Install pycocotools.

pip3 install cython; pip3 install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'
 

安装torch2trt

Option 1 - Without plugins

To install without compiling plugins, call the following

git clone https://github.com/NVIDIA-AI-IOT/torch2trt
cd torch2trt
python3 setup.py install

yolox_s.pth 权重下载

https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth

检查安装情况

输入命令:

 python3 tools/demo.py image -n yolox-s -c 你的权重路径/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device gpu

windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)_第8张图片

六、VScode接入wsl

1、安装中文界面

在左侧“扩展”视图文本框中输入“Language Packs”,点击你所需要的语言,这里我们安装的是中文简体,安装完成右下角弹出一个重启按钮,点击重启,语言自动切换

windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)_第9张图片

2、安装wsl远程 

VScode下载了Remote-WSL的扩展

windows11wsl+VScode下搭建深度学习环境(yolox+pytorch+tensorrt)_第10张图片

 如果有故障,请重复执行各项的安装步骤。

你可能感兴趣的:(深度学习,pytorch,ubuntu)