linux学习指令与现有环境解决问题笔记

linux学习指令与现有环境笔记

注意：我将pytorch和cuda安装在了pytorch这个虚拟环境中

pytorch安装及注意问题

注意版本对应，稳定版2.0.1对应cuda11.7，别按错了

按错导致重新安装

cuda安装过程与对应问题

image

  • 注意上述内容，里面告诉了添加环境变量，如何删除cuda，cuda下载的位置，下载对应驱动等信息。

现在已有cuda11.7.0

  • 若第1步提示Existing package manager installation of the driver found. It is strongly recommended that you remove this before continuing.，选择continue，在下一步中去除driver项，之后选择install：

  • 通过

    nvcc -V # 查看当前cuda版本（可以用来判断是否安装成功）

  • python检查pytorch版本，cuda是否可用

    import torch
print(torch.__version__)
print(torch.cuda.is_available())

    https://blog.csdn.net/hb_learing/article/details/114851335

  • 解决torch.cuda.is_avaliable总是False

    在安装时，按照blog中写的，去掉 -c pytorch，使用了自己的清华源镜像进行了安装，结果pytorch是cpu版本image

    https://blog.csdn.net/To_be_little/article/details/123637902

https://blog.csdn.net/Andy_Luke/article/details/122503884?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2defaultCTRLISTRate-1.pc_relevant_aa&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2defaultCTRLISTRate-1.pc_relevant_aa&utm_relevant_index=2

  • 删除pytorch

    conda uninstall pytorch

cudnn安装及问题

  • 下载注意对应版本

  • 开始安装:

    1.在官网下载好image
    后，解压到本地

    2.将解压的文件夹命名为cuda

    3.cd 到cuda中

    cd cuda/include
sudo cp *.h /usr/local/cuda/include/ (注意这里是你自己的cuda的安装地址，复制*.h文件

    4.关闭终端重新打开

    cd cuda/lib 
sudo cp libcudnn* /usr/local/cuda/lib64/

    5.终端运行

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

    6.在环境变量中添加如下变量：

    export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64:$LD_LIBRARY_PATH  # 这/usr/local/cuda/是你的绝对路径

安装成功标志：

image

Pytorch检查CUDA和cudnn版本

检查cuda：

>>> import torch
>>> torch.cuda.is_available()   # 检查cuda是否可用
>>> torch.version.cuda          # 查看cuda版本

image

检查cudnn

>>> torch.backends.cudnn.is_available()  # 检查cudnn是否可用
>>> torch.backends.cudnn.version()       # 查看cudnn版本

添加环境变量

终端打开环境变量文件：

sudo vim ~/.bashrc

记得添加完后执行一下！

source ~/.bashrc

image

执行之后就可以看到cuda版本发生改动了

ubuntu系统盘扩容

在安装anaconda时，遇到了系统盘不够大的问题，想着从D盘扩容60G过来：

以下为步骤

1.首先找到你安装ubuntu时的U盘，使用U盘里的 Try ubuntu,打开终端

sudo gparted

打开图形化硬盘管理界面，这时候系统盘上的🔓就消失了

2.缩减某个分区以获得未分配分区

3.磁盘扩容时，想要扩展某个分区，只能与他相邻近的未分配分区合并，因此要把不再其相邻近的未分配分区给移动过来

image

image

通过左右移动条框可移动未分配的位置，通过拖拽两头的箭头可以在相应端缩减、扩大分区大小

点击保存即可

4.在实际应用时，我遇到如下问题：

这里需要在win11的终端中，输入chkdsk /f 对磁盘进行修复，并重启两次这样之后才能对磁盘分区进行修改调整

这样等了1个小时，就好了

查看镜像源

sudo vim /etc/apt/sources.list #使用vim查看
sudo gedit /etc/apt/sources.list #使用文本编译器查看

查看当前已安装的包

conda list

image

nivdia驱动

有关驱动的内容：

Existing package manager installation of the driver found. It is strongly recommended that you remove this before continuing.出现这一步时，不是叫你删除驱动，而是驱动已经存在

我删除驱动之后，现在又要重新安装驱动，服了

image

针对我个人电脑以后驱动就用这一个

Yolov5安装笔记

1.进入github

image

找到图片中tags，这里是yolov5的历史版本

2.选择版本，这里选择的是6.0
image

image

这里选择zip文件，下载之后解压：出来个这个文件夹

image

3.然后新创建了个虚拟环境

conda create -n yolov5   # 不要忘记加 -n   或者--name

4.完成后，用终端打开该文件夹

pip install -r requirement.txt

然后对应的环境就开始自动下载配置了

虚拟环境

创建虚拟环境，可以为代码提供多个解释器

我刚刚创建了yolov5的环境，里面对应的torch，cuda，cudnn版本就是相对应的版本，我可以在IDE中，选择该环境的解释器

# 在vscode中 ctrl+p

image

删除虚拟环境

conda remove -n you_env_name --all

快捷键

打开python之后： ctrl + D ：关闭python

打开终端之后： ctrl + D :关闭终端

vscode 选择调试器： ctrl + shfit + p，之后选择python解释器

image

cuda 创建指定python版本虚拟环境

conda create -n name python=3.8.2

我在这里创建的名字是 label，用来给img训练集做标签的，作为笔记日后提醒

解决This application failed to start because no Qt platform plugin could be initialized.

在安装labelImg过程中，碰到了：

qt.qpa.plugin: Could not load the Qt platform plugin "xcb" in "" even though it was found. This application failed to start because no Qt platform plugin could be initialized. Reinstalling the application may fix this problem.

image

为解决此问题：根据该博客尝试启动qtcreator，结果发现image

结果是qtcreator都没安装。

sudo apt install qtcreator

之后，就能重新打开 labelImg了

qtcreator：就是常用的QT。。。

image

在如下博客获得思路启示：

image

https://blog.csdn.net/LOVEmy134611/article/details/107212845

制作图片集标注

首先

pip install labelImg

labelImg这是对应的标注软件

接下来是对数据集进行操作

image

我们先创建dataset的文件夹，按上面分层创建子文件夹

原始的图片数据我们保存在 images\train 中，将存放目标目录设置为labels\train中

image

在这里，我们一定要注意所图像保存的格式，这里我们选择的是yolov5

注意到这里有个预设标签，在下张图片中，我们同样可以选取相同的部分做相同的标签。

在对装甲板进行识别时，要用最小外接矩阵将其框起来。

还有几个快捷键：

​ w: 创建矩块

​ a：上张图片

​ d：下张图片

我们进入dataset文件夹中，在此打开终端，输入

labelImg ./images/ predefined_classes.txt

在打开时同样遇到了已放弃：

image

，在查看python版本之后，发现 python == 3.6 ，版本太低了，重建了个虚拟环境，指定python版本 == 3.8之后，在该虚拟环境里打开才好

队内环境配置问题

进入github中的qdu-rm-cv

image

选择environment的仓库，git下来，git clone https://github.com/qdu-rm-cv/environment.git

README中有使用说明

这里按照我的进行一下：

cd shellimage

（在该界面下打开终端）

完成之后，sudo chmod 777 ./* ：赋予最高权限

code : vscode ,

中建三个：环境

最后：函数，

./env_menu_install.sh

保持网络联通，一直回车即可

最后：image

接下来cd qdu-rm-ai

输入：

git submodule update --init --recursive

打开vscode

code ./

点击build ，但在这里build的时候出现问题了

于是在u盘中重新铐了一份，之后就可以了：

该文件我放网盘了，以便之后使用：

链接: https://pan.baidu.com/s/1_1Aln2wr6bTCAbxUqHtTBA 提取码: 1122

解压之后cd qdu-rm-ai，之后code ./，再build就行image-20230910152728455

wandb

wandb是一个免费的，用于记录实验数据的工具。即可视化实验数据
我们通过github登陆后，在终端输入输入API，就可以使用了。
()

知乎教程：https://zhuanlan.zhihu.com/p/493093033

tabnine

vscode之AI自动补全代码插件
安装后GitHub登录即可

解决SSL报错

多半是因为梯子问题，把梯子关掉就好

posted @ 2023-08-27 23:48  Tanگگ  阅读(127)  评论(0)  编辑  收藏  举报