MXnet深度学习环境及GluonCV深度学习包的安装

合集 - 一些代码(14)

1.MXnet深度学习环境及GluonCV深度学习包的安装2023-07-26

2.Python遍历文件夹中的文件并根据文件类型将文件分类储存2023-09-063.对ERA5数据进行区域提取及时间处理2023-09-134.基于街景全景照片数据计算SVF（天空开阔度）2023-09-225.基于transbigdata包获取交通线路和站点的邻接表及shp文件2023-09-226.gephi导入networkx：使用经纬度绘图并根据情景计算节点指标与网络整体指标（关联gephi导入networkx一文）2023-09-227.备忘：爬取poi代码2023-09-238.基于Python+MXnet预训练模型的街景图像语义分割代码2023-11-079.基于Python Sklearn的机器学习代码（备忘）2023-12-0910.基于OpenAI API接口向GPT4v上传图像进行图像分析2024-06-0211.保持校园网自动登录的代码备忘: 基于webdriver和chrome2024-07-0312.Python Selenium+cookie+XPATH爬取数据2024-07-1013.Python web自动化爬虫-selenium/处理验证码/Xpath2024-07-1814.0803/代码2024-08-03

收起

准备使用Gluoncv深度学习包进行图像处理，但是在安装和配置环境时遇到了一些问题，在这里记录一下操作的注意事项

1.最好使用anaconda

在原本的安装过程中，需要安装pytorch框架，gluon官方文档中pip的pytorch是1.6.0版本的，但是我在pip时发现由于python版本太高了（3.11版本），因此在安装时会出错，找不到匹配的版本文件。这时去pytorch官网下载的是最新版本（2.0.1版本），mxnet不支持2.0及以上的pytorch版本.....下载其他版本时发现不支持python3.11版本...使用anaconda配置（python3.6版本）可以省去非常多的功夫，减少很多错误

2.提前安装Microsoft C++ 生成工具

Microsoft C++ 生成工具 - Visual Studio

点击此页面安装，否则MXnet安装会失败

 

 在打开后的页面中选择“使用C++的桌面开发”并安装（可以修改安装包地址）

 

 3.安装CUDA

如果需要GPU进行运算，则需要安装相应版本的CUDA，可以在NAVIDA显卡控制面板——帮助——系统信息——组件 中查看支持的CUDA版本，可以看到最高支持12.1版本的，在这里安装10.2版本的CUDA

 

前往CUDA安装下载页面

CUDA Toolkit Archive | NVIDIA 开发者

选择10.2版本，具体选项参照如下

 下载好安装包后一直确认即可

4.安装MXnet和Gluoncv

Installation — gluoncv 0.11.0 documentation

参照官网的指南进行下载安装，推荐提前安装好opencv，并且从pytorch官网的页面下载相应版本的pytorchPrevious PyTorch Versions | PyTorch

pip安装命令：pip install torch==1.6.0+cpu torchvision==0.7.0+cpu -f https://download.pytorch.org/whl/torch_stable.html

，