Fan.Lai's blog
人工智能代码怎么运行
Published on 2024-06-09 23:42 in 分类: 学习笔记 with 凡琪7
分类: 学习笔记

人工智能代码怎么运行

做AI需要有的配置

1.机器学习尽量用Linux来运行
2.Anaconda配置好环境，要有python、pytorch
3.pycharm
不会可以搜一下

运行程序

1.在github里下载代码

git clone github里项目地址
地址可以在这复制

2.打开Pycharm，打开项目所在的工作目录

3.配好python的Interpreter


配好后需要等待pycharm加载一段时间

4.打开所有python文件，即后缀名是py的文件

5.进行debug（调试代码）

①看看每个文件中代码开头那些 import什么什么或者form什么import什么，下边有划红线，说明你的python还没有安装那些库或包。可以在anaconda prompt里打开相应环境并进行安装。
使用conda或pip安装。
比如要安装numpy
用pip：pip install numpy
用conda：conda install numpy
pip也可以用清华源来下： -i +镜像源
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
②如果出现有的包下载不了可以进官网下，然后本地安装
或者有以下问题：

例如出现以下代码，点击查看代码 
Collecting package metadata (current_repodata.json): ...working... done
Solving environment: ...working... failed with initial frozen solve. Retrying with flexible solve.
Collecting package metadata (repodata.json): ...working... done
Solving environment: ...working... failed with initial frozen solve. Retrying with flexible solve.


PackagesNotFoundError: The following packages are not available from current channels:

  - igraph

Current channels:

  - https://repo.anaconda.com/pkgs/main/win-64
  - https://repo.anaconda.com/pkgs/main/noarch
  - https://repo.anaconda.com/pkgs/r/win-64
  - https://repo.anaconda.com/pkgs/r/noarch
  - https://repo.anaconda.com/pkgs/msys2/win-64
  - https://repo.anaconda.com/pkgs/msys2/noarch

To search for alternate channels that may provide the conda package you're
looking for, navigate to

    https://anaconda.org

and use the search bar at the top of the page.
解决办法其实人家在报错中已经说了： `
点击查看代码 
To search for alternate channels that may provide the conda package you're
looking for, navigate to

    https://anaconda.org

and use the search bar at the top of the page.
需要去 https://anaconda.org 这个网址，在上方的搜索条上搜索你要安装这个包的其他channel，下边展示一下如何找numpy的其他channel 首先进入上述网址，你可以在上方看到搜索条：

然后搜索numpy

旁边有可以使用的系统，但有的只有linux才有，所以AI用Linux系统最好
③挑一个点击进去

语句下载包

下载到本地，然后安装

选择版本

在把把下载好的“linux-64/numpy-2.0.0rc2-py39hb0d58de_0.conda”这个安装包放到anaconda存放包的目录下“/anaconda3/pkgs/”
然后执行命令：
conda install --use-local “linux-64/numpy-2.0.0rc2-py39hb0d58de_0.conda
还有的是压缩包也一样，例如
conda install --use-local python-igraph-0.8.3-py38h0d6bca7_2.tar.bz2
即可完成安装。

6.查看github上项目的ReadMe文件，可以看到项目怎么运行，或者是上面已经讲的一些环境，就不用自己一个一个pip install包

①有的会写所需要的环境依赖

进入项目的environment文件夹打开e4e_env.yaml文件

点击查看代码 
name: e4e_env
channels:
  - conda-forge
  - defaults
dependencies:
  - _libgcc_mutex=0.1=main
  - ca-certificates=2020.4.5.1=hecc5488_0
  - certifi=2020.4.5.1=py36h9f0ad1d_0
  - libedit=3.1.20181209=hc058e9b_0
  - libffi=3.2.1=hd88cf55_4
  - libgcc-ng=9.1.0=hdf63c60_0
  - libstdcxx-ng=9.1.0=hdf63c60_0
  - ncurses=6.2=he6710b0_1
  - ninja=1.10.0=hc9558a2_0
  - openssl=1.1.1g=h516909a_0
  - pip=20.0.2=py36_3
  - python=3.6.7=h0371630_0
  - python_abi=3.6=1_cp36m
  - readline=7.0=h7b6447c_5
  - setuptools=46.4.0=py36_0
  - sqlite=3.31.1=h62c20be_1
  - tk=8.6.8=hbc83047_0
  - wheel=0.34.2=py36_0
  - xz=5.2.5=h7b6447c_0
  - zlib=1.2.11=h7b6447c_3
  - pip:
    - absl-py==0.9.0
    - cachetools==4.1.0
    - chardet==3.0.4
    - cycler==0.10.0
    - decorator==4.4.2
    - future==0.18.2
    - google-auth==1.15.0
    - google-auth-oauthlib==0.4.1
    - grpcio==1.29.0
    - idna==2.9
    - imageio==2.8.0
    - importlib-metadata==1.6.0
    - kiwisolver==1.2.0
    - markdown==3.2.2
    - matplotlib==3.2.1
    - mxnet==1.6.0
    - networkx==2.4
    - numpy==1.18.4
    - oauthlib==3.1.0
    - opencv-python==4.2.0.34
    - pillow==7.1.2
    - protobuf==3.12.1
    - pyasn1==0.4.8
    - pyasn1-modules==0.2.8
    - pyparsing==2.4.7
    - python-dateutil==2.8.1
    - pytorch-lightning==0.7.1
    - pywavelets==1.1.1
    - requests==2.23.0
    - requests-oauthlib==1.3.0
    - rsa==4.0
    - scikit-image==0.17.2
    - scipy==1.4.1
    - six==1.15.0
    - tensorboard==2.2.1
    - tensorboard-plugin-wit==1.6.0.post3
    - tensorboardx==1.9
    - tifffile==2020.5.25
    - torch==1.6.0
    - torchvision==0.7.1
    - tqdm==4.46.0
    - urllib3==1.25.9
    - werkzeug==1.0.1
    - zipp==3.1.0
    - pyaml
prefix: ~/anaconda3/envs/e4e_env
用命令先进入对应yaml的文件夹，在conda prompt里用cd进入 注意linux进入conda prompt要先打开Terminal 然后输入`conda activate base`就能进入 然后输入命令导入yaml文件，并进行环境创建，和里面所需库的下载，命令如下： `conda env create -f environment.yaml` 后面environment改成自己的yaml文件名就行，yaml是一种配置文件，.yaml只是后缀，也可以是.yml,不用在意，导入进一些系统和项目时就可以使用这种格式，更好的的进行导入，就不要一个一个导入，相当于给制定了一个数据导入标准。 这里面就是该项目所需环境，注意有时后会报错

我们看到这里每行的第二个等号后试一下乱七八槽的东西，这是因为anaconda环境导出时作者环境里的一些东西，我们是不需要的所以删除第二个等号和后面的东西，变成

点击查看代码 
dependencies:
  - _libgcc_mutex=0.1
  - ca-certificates=2020.4.5.1
  - certifi=2020.4.5.1
  - libedit=3.1.20181209
  - libffi=3.2.1
  - libgcc-ng=9.1.0
这样一般就可以正常创建了

有时需要的多个python包一起下载，就用把这些包写入文件
先切换到所需要的包名的集合文件，这里命名为requirements.txt，并进入该文件所在目录
requiremet.txt长下面这样

然后输入
pip install -r requirements.txt
用清华源
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
等待安装完成
有时pip下载会因为缓存中有相应的包就会跳过下载，导致下载不成功，可以添加--no-cache-dir
就可以使用pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple --no-cache-dir
就可以不用缓存正常下载。
查看requirements.txt中的第三方依赖包是否安装成功，可以输入下面命令
pip list
②也有作者教我们怎么运行的

1是下载模型点击链接就行
2是更改dataset.py中的测试图像路径
打开dataset.py
作者代码是这样的

代码中self.image_root 表示的是数据集所在的目录
然后，建议像作者一样建立一个dataset的目录
/home/user/dataset/DUTS/DUTS-TE/DUTS-TE-Image/

创建test.lst文件，self.image_source 表示的是test.lst（记录每一张图片路径信息的文件）的路径。
/home/user/dataset/DUTS/DUTS-TE/test.lst

self.test_fold 表示的是显著性图也就是结果所放的路径
即运行项目后的显著性地图。

最后就配置成下面这样

生成显著性图
用以下方式python3 run.py --mode test --sal_mode s为SOD数据集生成显著性图，用python3 run.py --mode test --sal_mode p为PASCALS 数据集生成显著性图

7.运行项目

先打开Pycharm里面的Terminal，确保是在项目的目录下，然后输入
python3 run.py --mode test --sal_mode t
就基本上完成了。
参考文章：https://blog.csdn.net/m0_45314033/article/details/106723308

posted @   凡琪7  阅读(338)  评论(0)  编辑  收藏  举报
相关博文：
· pytorch安装
· Pycharm或cmd在Terminal中运行tensorboard、pip等python包
· 人工智能之深度学习-初始环境搭建（安装Anaconda3和TensorFlow2步骤详解）
· Python-人工智能秘籍-全-
· 基于深度学习的犬种识别软件（YOLOv5清新界面版，Python代码）
阅读排行：
· 全程不用写代码，我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了，比商业数据库还牛
· .NET10 - 预览版1新功能体验（一）
← → ↓ ↑
点击右上角即可分享
微信分享提示
AI FOR CODE 大赛