成都搜索优化整站优化,知乎，闲鱼网站建设和网站运营,深圳物流公司电话号码,如何做网站在网上销售一、引言 记录 Ubuntu 配置的第一个代码过程 二、更改conda虚拟环境的默认安装路径 鉴于不久前由于磁盘空间不足引发的重装系统的惨痛经历#xff0c;在新系统装好后当然要先更改虚拟环境的默认安装路径。 输入指令#xff1a; conda info可能因为我原本就没有把 Anacod…一、引言 记录 Ubuntu 配置的第一个代码过程 二、更改conda虚拟环境的默认安装路径 鉴于不久前由于磁盘空间不足引发的重装系统的惨痛经历在新系统装好后当然要先更改虚拟环境的默认安装路径。 输入指令 conda info可能因为我原本就没有把 Anacoda 安装在 home 文件夹下所以我的默认安装路径都不是根目录但是我还是想把下面那个根目录去掉。 打开根目录点击左上角的三个横线标识勾选“显示隐藏的文件”打开 .condarc 文件。在文件末尾添加如下内容 envs_dirs:- ...\envs pkgs_dirs:- ...\pkgs重新在命令行输入指令查看路径 这里发现 pkgs 的路径更改成功了但是 envs 的路径没有更改成功。我查看了两个文件夹的权限都是一样的。所以为什么有一个没改成功呢 设置 envs 文件夹权限 设置完还是没有变化。查看 base 环境的位置发现也是我安装 anaconda 的位置并不是根目录所以这里我没有再更改了。 三、配置环境 1. 新建环境 按照 readme.md 中的要求 conda create -n dino-tracker python3.9 conda activate dino-tracker(安装完成后发现路径没有问题) 在安装 requirements 文件中的包之前我先安装了 CUDAcudnn。 2. 安装 CUDA CUDNN torch 1查看 CUDA 与 cudnn 的版本 在终端输入 nvidia-smi可以看到我能安装的最高版本为12.4。 打开 pytorch官网查看 cuda 对应版本。本项目所需的 torch 版本为 2.1.0 可以选择的版本有11.8和12.1。这里我选择安装12.1。 2) 下载安装包 下载地址: https://developer.nvidia.com/cuda-toolkit 历史版本下载地址: https://developer.nvidia.com/cuda-toolkit-archive 这里说明一下cuda11.8 和 cuda12.1 都没有对应的 ubuntu24.04 版本所以我选择了 22.04 版本。 3安装 CUDA (1) 方法1失败 按照官网给出的命令依次执行。 由于我是 ubuntu24.04 版本而我选择安装的是 cuda 对应的是 22.04 版本这里需要安装一下 libtinfo5。 参考这位大佬和这位大佬的帖子我需要执行下面这个命令安装 libtinfo5 wget http://archive.ubuntu.com/ubuntu/pool/universe/n/ncurses/libtinfo5_6.4-2_amd64.deb dpkg -i libtinfo5_6.4-2_amd64.deb我打开这个网页http://archive.ubuntu.com/ubuntu/pool/universe/n/ncurses 发现根本没有 libtinfo5_6.4-2 这个版本。。。。。。然后我选择安装了 libtinfo5_6.3-2 这个版本重新执行安装 cuda 的命令。这次没有出现 libtinfo5 这个错误但是在安装过程中也没有弹出选择是否安装驱动的选项而是直接执行到最后一步然后出问题了 然后我再次输入nvidia-smi 果然驱动出问题了。看到一些帖子的分享说这个问题可能重启之后就会解决于是我抱着试试的心态重启了一下显然我不是那个幸运儿 只好卸载驱动重新安装。 参考链接 移除所有关于 cuda 的内容 sudo apt-get --purge -y remove cuda* # cuda10.1及以上的卸载 cd /usr/local/cuda-xx.x/bin/ sudo ./cuda-uninstaller sudo rm -rf /usr/local/cuda-xx.x这里我的 cuda 应该是压根就没安装成功因为 /usr/local/cuda-12.1 文件夹下面根本没有 bin 文件夹。 移除所有关于 nvidia 的内容 sudo apt-get --purge -y remove nvidia*查看cuda文件夹 ls /usr/local/ | grep cuda此时再次在终端输入 nvidia-smi显示如下 找不到命令 “nvidia-smi”但可以通过以下软件包安装它 sudo apt install nvidia-utils-470 # version 470.256.02-0ubuntu0.24.04.1, or sudo apt install nvidia-utils-470-server # version 470.256.02-0ubuntu0.24.04.1 sudo apt install nvidia-utils-535 # version 535.183.01-0ubuntu0.24.04.1 sudo apt install nvidia-utils-535-server # version 535.216.01-0ubuntu0.24.04.1 sudo apt install nvidia-utils-550 # version 550.120-0ubuntu0.24.04.1 sudo apt install nvidia-utils-525 # version 525.147.05-0ubuntu1 sudo apt install nvidia-utils-525-server # version 525.147.05-0ubuntu1 sudo apt install nvidia-utils-550-server # version 550.127.05-0ubuntu0.24.04.1应该是卸载成功了。按照提示输入sudo apt install nvidia-utils-550安装失败。 还好不是第一次安装 nvidia 驱动。详细过程不再赘述了按照之前的笔记安装。 安装过程中我第一次安装的是 550.107 版本但是不知道为什么nvidia-smi出来显示的是 550.120 版本。这次重装我选择的是最新的版本 550.135但是安装完成后一直黑屏开不了机不得已又卸载了重新安装的 550.120 版本然后非常顺利安装过程没有任何问题。 (2) 方法2成功 依次执行上面两条命令。 按下空格取消安装驱动。中途出现了这个问题 搜索之后发现只需在命令后面加一个--override 添加环境变量 export PATH$PATH:/usr/local/cuda-12.1/bin export LD_LIBRARY_PATH$LD_LIBRARY_PATH:/usr/local/cuda-12.1/lib64 export CUDA_HOME$CUDA_HOME:/usr/local/cuda-12.1 source ~/ .bashrc输入nvcc -V查看是否安装成功 4) 安装 CUDNN 选择版本 在官网选择合适的版本安装。 为了选择与 ubuntu24.04 匹配的版本我选择了9.3.0。 安装 依次执行上述命令 wget https://developer.download.nvidia.com/compute/cudnn/9.3.0/local_installers/cudnn-local-repo-ubuntu2404-9.3.0_1.0-1_amd64.debsudo dpkg -i cudnn-local-repo-ubuntu2404-9.3.0_1.0-1_amd64.deb sudo cp /var/cudnn-local-repo-ubuntu2404-9.3.0/cudnn-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cudnn-cuda-12执行文件复制 sudo cp usr/include/cudnn* /usr/local/cuda-12.1/include测试是否安装 cudnn 成功 cat /usr/local/cuda-12.1/include/cudnn_version.h | grep CUDNN_MAJOR -A 2查看版本信息 dpkg -l |grep cudnn 查看版本信息5) 安装 torch 打开官网选择合适的版本 输入指令 conda install pytorch2.1.0 torchvision0.16.0 torchaudio2.1.0 pytorch-cuda12.1 -c pytorch -c nvidia检测是否安装成功 pythonimport torch print(torch.version.cuda) print(torch.backends.cudnn.version())输入命令 conda install numpy1.26重新检测 成功。 6) 安装其他包 pip install -r requirements.txt查看是否安装成功 conda list这里我都安装成功了。 7) 配置环境变量 cd dino-tracker export PYTHONPATHpwd:$PYTHONPATH8) 添加解释器 选择配置 Python 解释器conda 路径为安装路径下的 anaconda3/bin/conda.bat然后就可以找到自己创建的虚拟环境。 四、运行 1. 修改路径 preprocessing/main_preprocesseng.py 在 main 函数中添加 config 和 data-path 的路径。这里我直接下载的代码中原本写的是 configs而实际代码中的文件夹名称为 config。 dat-path 直接改成项目中自带的 horsejump 即可。 2. 修改项目路径 我最开始只能在终端中输入python ./preprocessing/main_preprocessing.py时可以运行直接点项目上方的绿色三角会报错误找不到./preprocessing/main_preprocessing.py 。此时需要修改工作目录。 点击绿色三角旁边的三个点-编辑-工作目录 现在的工作目录为dino-tracker-main/preprocessing改为dino-tracker即可。 3. 下载预训练模型 运行代码时需要离线下载预训练模型这里我提前下载一下。 下载地址https://github.com/facebookresearch/dinov2?tabreadme-ov-file