本地训练 for windows

这个教程有手就行,不需要虚拟机,请严格按照教程的步骤一步步来。 tensorflow-gpu 2.3.0版本对于cuda版本有点严格,之前的教程出现了问题了,可以运行分类训练,但是对于检测训练可以训练,但是不能进行模型输出。现在已经解决了,cuda版本必须是10.1版本,cudnn是 10.1 V7.**版本,不然是不能使用GPU进行训练。

安装python3.8

推荐安装python3.8,由于python3.9有一些不知名问题导致了环境可能会配置失败 点击下载安装python3.8,双击打开python3.8安装包

安装之后的python,按win+r,输入cmd打开命令行,然后输入python+回车,出现下图则表示python安装成功

3.png

安装pip

在python环境下安装各种包是可以通过使用pip来进行安装的,具体的安装方式这里

可以通过 pip list来查看python上安装了的包

CUDA和CUDNN环境配置

对于模型的训练,可以使用CPU或者是GPU进行训练,本教程是针对GPU训练的环境配置的。 不同版本的CUDA有所对应不同的显卡驱动版本要求,可以参考这里下载对应的显卡驱动版本 推荐使用CUDA10.1版本

必须是英伟达的显卡,如果是AMD的显卡或者电脑上没有英伟达的显卡,可以跳过这一步

安装显卡驱动

点击这里,选择你对应的显卡型号,下载对应的显卡驱动,然后打开文件夹,进行显卡驱动的安装。

可以通过右键的VNIDIA控制面版查看当前系统的显卡驱动版本

安装CUDA

打开cuda10.1下载的链接,选择对应的系统版本和下载方式 111.png

点击Download进行下载,这个网页可能打开的比较慢,可以通过科学上网来打开。下载好的安装包,直接打开,然后一直点下一步就好了。

安装CUDNN

对于CUDNN下载,这个可以自行百度,由于这个网页没有科学上网的情况下打开是比较慢的。

点击这里进入到cudnn的下载官网,选择cudnn v7.6.5.32 for cuda 10.1的版本进行下载, 2.png

下载之后会得到一个cudnn-10.1-windows10-x64-v7.6.5.32.zip的压缩包,将其解压。解压的得到的文件三个文件文件,都复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1文件下面。

这时CUDA的环境已经配置好了

tensorflow安装

对于tensorflow的安装,这是也是有要求的,需要安装tensorflow-gpu 2.3.0版 win+r,输入cmd,打开命令行

在命令行中输入

pip install tensorflow-gpu==2.3.0

如果使用这命令的时候提示 'pip'不是内部或外部命令,也不是可运行的程序或批处理文件,这说明了你电脑上没有安装pip,为什么不好好看我前面的写的安装pip???????

如果下载的很慢,请输入

pip install tensorflow-gpu==2.3.0 -i https://pypi.mirrors.ustc.edu.cn/simple

然后等待安装成功即可

MiaxHub本地训练

配置了那么久的环境了,终于到最后一步了,下载本地训练代码

进入连接之后,可以通过git命令进行下载,或者是点击Download ZIP进行下载压缩包

3.png

将压缩包解压,任何位置都都可以,只要你记得解压到哪里了。然后下载 ncc-win7-x86_64 并解压,就会得到一个叫ncc-win7-x86_64的文件夹,将这个文件夹名字修改为ncc_v0.1。

再将这个文件夹的复制到maix_train/tools/ncc文件夹下面。(如果没有ncc这个文件夹就创建一个,路径一定要对的上)

maix_train_windows

不会科学上网的同学可能会下载很慢,我已经下载好,上传到gitee上了(里面也有ncc的文件了)。