【Deeplabv3+】Ubutu18.04中使用pytorch复现Deeplabv3+(第一步)-----环境配置

用pytorch复现Deeplabv3+(第一步)-----环境配置 

• 本文是使用的Linux发行版之一的Ubuntu18.04，在pytorch下复现的，使用Windows或者在tensorflow上复现的同学自动略过；
• 本文持续更新中，有同学有环境配置上不懂的问题，随时可以在评论区发表评论，博主看到后会给出指导；
• 运行Deeplabv3需要的硬件显卡需要好一点，本文使用的是NVIDIA GeForce RTX-2060。
• 最后，大家在学习深度学习的时候可能会遇到各种问题，遇到问题就在百度、知乎、B站、csdn、Google浏览器里面搜索一点点解决就行了，希望大家都能学有所成。

Deeplabv3+论文地址：https://arxiv.org/pdf/1802.02611.pdf Github

Deeplabv3+代码地址：https://github.com/VainF/DeepLabV3Plus-Pytorch

本文环境：Ubuntu18.04  cuda 9.0.176 cudnn7.6.5 Anaconda3-5.3.0 torch1.13.1

目录

1.Ubuntu18.04安装

2.cuda9.0 & cuDNN7.6.5安装

1.验证系统是否有CUDA支持的GPU

 2.cuda 9 要求gcc>=6, g++>=6,确认你的系统满足这些要求

3.安装NVIDIA驱动

4.安装其它导入包

5 下载并安装cuda9工具包和cuDNN7.6.5

3.anaconda3安装

下载Anaconda安装包

4.代码环境配置

---

1.Ubuntu18.04安装

如果deeplabv3+环境配置过程中出现问题太多，重新安装系统。参考我的上一篇文章：

【Ubuntu18.04】安装与配置问题解决----持续更新中

2.cuda9.0 & cuDNN7.6.5安装

1.验证系统是否有CUDA支持的GPU

在命令行输入以下代码：

lspci | grep -i nvidia

可以查看到自己的显卡信息为：GeForce RTX 2060

也可以去设置中查看自己的显卡信息。

去和NVIDIA网站对照 https://developer.nvidia.com/cuda-gpus支持CUDA的产品。如果能找到自己的显卡，证明你的显卡是可以装CUDA的。

 2.cuda 9 要求gcc>=6, g++>=6,确认你的系统满足这些要求

在终端输入：

gcc -v
g++ -v
#如果不满足要求，下载安装
sudo apt install gcc-6
sudo apt install g++-6

3.安装NVIDIA驱动

#查看自己的显卡以及可以安装的驱动器版本

sudo ubuntu-drivers devices 

按照推荐的驱动器版本安装，我的是470（CUDA9需要的驱动器版本是384及以上版本，所以是可以的）。

 首先删除旧的NVIDIA驱动：

sudo apt-get purge nvidia-*

然后安装

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

sudo apt-get upgrade

#安装

sudo apt install nvidia-driver-470

重启即可。

4.安装其它导入包

sudo apt-get install g++ freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev

5 下载并安装cuda9工具包和cuDNN7.6.5

• cuda 9 安装：

# 安装包下载

wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda_9.0.176_384.81_linux-run 

# 使下载文件可执行

chmod +x cuda_9.0.176_384.81_linux-run 

# 安装

sudo ./cuda_9.0.176_384.81_linux-run  --override

安装开始时回答下面问题：

You are attempting to install on an unsupported configuration. Do you wish to continue? y
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81? n
Install the CUDA 9.0 Toolkit? y

安装中间过程参考以下文章：Ubuntu 安装cuda-9

• 为cuda安装匹配的cuDNN 7.6.5

下载cudnn必须先在官网注册，官网地址：https://developer.nvidia.com/cudnn

注册登录，之后，在Archived cuDNN Releases（cuDNN存档发行版本）中找到Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 9.0，下载即可。

 提取cuda目录

# 切换到下载目录

cd ~/Downloads

# 解压
tar -xzvf cudnn-9.0-linux-x64-v7.3.0.29.tgz

将解压后的文件复制到cuda工具包目录中

sudo cp -P cuda/include/cudnn.h /usr/local/cuda-9.0/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/
sudo chmod a+r /usr/local/cuda-9.0/lib64/libcudnn*

设置环境变量

# 将cuda-9/bin 添加到路径

echo 'export PATH=/usr/local/cuda-9.0/bin:$PATH' >> ~/.bashrc

# 将cuda-9/lib64 添加到库路径
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc

# 关闭环境变量文件.bashrc，并在终端输入环境变量更新指令
source ~/.bashrc

为gcc和g++添加符号链接

sudo ln -s /usr/bin/gcc-6 /usr/local/cuda/bin/gcc
sudo ln -s /usr/bin/g++-6 /usr/local/cuda/bin/g++

重启电脑以激活更改

验证是否安装成功

nvidia-smi

# 查看cuda版本   显示为9.0.176

nvcc -V

# 查看cuDNN版本    显示为7.6.5

 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

3.anaconda3安装

本文安装的是Anaconda3-5.3.0-Linux-x86_64.sh，安装前先确保已经安装python3.7，如果没有安装，先安装python3.7。未安装pip的，可以先按照下面链接安装：https://blog.csdn.net/hymanjack/article/details/80285400

# 安装python3.7

sudo apt install python3.7

# 让pip和python都指向python3

gedit ~/.bashrc

#在文件最后加上这两行，并保存退出

alias pip=/usr/local/bin/pip3.7
alias python=/usr/bin/python3.7

# 更新环境

source ~/.bashrc

下载Anaconda安装包

终端下载

wget https://repo.anaconda.com/archive/Anaconda3-5.3.0-Linux-x86_64.sh

# 可能出现 wget未安装的情况，先安装wget，然后重新下载

网页下载

Anaconda下载

 安装参考：超详细Ubuntu安装Anaconda步骤+Anconda常用命令-CSDN博客

安装完成后，安装visual studio选项，选择no。

看到Thank you for installing Anaconda3!表示你已经安装完成。

4.代码环境配置

创建虚拟环境：

# deeplabv3+ 是环境名称，可以自己随意起

conda create -n deeplabv3+ python=3.7

# 启动安装环境

conda activate deeplabv3+

在虚拟环境中，使用命令安装需求的包（pytorch等等）

# 在桌面创建文件夹requirements.txt，并把以下文件放上去

touch requirements.txt

#复制以下文件放到requirements.txt中

torch
torchvision
numpy
pillow
scikit-learn
tqdm
matplotlib
visdom

安装（根据网速，可能需要几个小时）

cd Desktop

pip install -r requirements.txt

 

 安装完成后，你可以看到下面的你已经安装的包。

 查看虚拟环境中安装的包

conda list

 验证torch

 到此，环境配置成功，谢谢大家，有问题随时跟我联系。