2024年11月6日 反思

2024年11月6日 踩过的坑要长记性

1.正确使用多个python环境
一个电脑可能不止装了一个python,可能有标准版的python,可能有embedded python，所以，系统会默认使用某一个python，你也不知道是哪一个。
如果你想在某个python环境里安装某个库时，使用 pip install XXX 装好了之后，引用的时候发现该库不存在，然后就傻眼了，是因为可能装到默认python中去了。于是，重点，需要记住，在终端使用python命令的时候要带着python.exe的完整路径一起使用，在终端使用pip命令时，也要带着pip.exe的完整路径一起使用。

2.使用requirements.txt装库前要检查
有时候配置一个运行环境需要装好多库，一个一个 pip install 会很麻烦，就有一种方法可以一劳永逸，就是使用requirements.txt文件安装库，命令 pip install -r requirements.txt。但是，不要直接就敲命令，先检查一下requirements.txt中有没有本地已经装好的库，检查一下版本，是支持CPU还是GPU。如果已存在，就注释掉，再敲命令 pip install -r requirements.txt。这些很重要，不建议无脑直接装。

3.安装Pytorch
好多情况都会用到Pytorch这个库，它有CPU版本和GPU版本，安装需要torch（核心库），torchvision（图像处理），torchaudio（音频处理），还要检查GUDA的版本，这些都对应才可以。
使用yolo训练时，遇到一个问题 NotImplementedError: Could not run ‘torchvision::nms‘ with arguments from the ‘CUDA‘ backend. 问题的原因是 torch 和torchvision的版本不同，torch支持cuda，torchvision不支持。然后就卸载torchvision，重新装。
三个库一起装：pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
单独装torchvision：pip install torchvision --index-url https://download.pytorch.org/whl/cu117

4.对异常现象敏感起来
yolo训练使用GPU会很快，也可以用CPU，不过就是慢。当训练速度很慢很慢时，不应该敏锐地检查一下是不是在GPU的基础上运行的吗。然后在python环境下查看一下torch.cuda.is_available的输出是否为True，然后检查一下torch的版本，等等等，这样就不会浪费很多时间在等待训练结果上了。

加油，犯过的错不再犯也很厉害