本地训练环境搭建

时间 负责人 更新内容 备注
2022年1月22日 Rui 编写初稿文档 ----

由于训练需要用到显卡,关于安装显卡驱动、CUDA、CUDNN 请自行百度查阅安装,本文不做详细说明。(ADM 显卡或者无显卡的,可以使用 CPU 进行训练)

安装 Python 软件包

本地训练时使用 Python 进行搭建的,需要在电脑上安装 Python,请自行百度 Python 如何安装。我们所有的训练工程都是使用 PyTorch 框架进行搭建(wsl中同样要安装以下的 Python 软件包)

需要安装以下 Python 软件包:

  • PyTorch
  • torchsummary
  • pycocotools
  • opencv

下载安装包,可以通过在安装指令后面添加 -i https://mirrors.ustc.edu.cn/pypi/web/simple 来使用中科大 pypi 源进行加速

安装 PyToch

进入 Pytorch 下载帮助页面,根据自己所用系统的环境情况,选择对应的 CUDA 版本和安装包的类型,这里所选用的是 CUDA 10.2、 Linux 系统、稳定版、pip包(30 系列显卡只能使用11.2以上的版本)
pytoch-install

pip3 install torch torchvision torchaudio


安装 torchsummary、pycocotools

然后再通过 pip 进行安装 torchsummary

pip3 install torchsummary pycocotools

安装 Opencv

pip3 install opencv-python opencv-contrib-python

onnx2ncnn 模型转换工具

PyTorch 不能直接将模型导出成 ncnn 格式,需要使用 onnx2ncnn 转换工具进行转换,需要用户自行去编译出对应的可执行文件。具体的编译步骤如下

  1. 安装编译环境所需要用到的软件

     sudo apt install build-essential git cmake libprotobuf-dev protobuf-compiler libvulkan-dev vulkan-utils libopencv-dev

    下载慢的可以通过更换镜像源或者是使用代理进行下载,但是 wsl 中使用非官方的镜像源可能会导致部分软件不能下载

  2. 需要先拉取整个 ncnn 转换工具的工程到任意文件夹下

     git clone https://github.com/Tencent/ncnn.git
     cd ncnn
     git checkout a03c1353193a172bfc22481195704731f75148d9
  3. 工程编译初始化

     cd ncnn
     git submodule update --init
  4. 开始编译

     mkdir build
     cd build
     cmake -DCMAKE_BUILD_TYPE=Release -DNCNN_VULKAN=ON -DNCNN_SYSTEM_GLSLANG=OFF -DNCNN_BUILD_EXAMPLES=ON ..
     make

编译结束之后,可以在 ncnn/build/tools/onnx 目录下,能得到 onnx2ncnn 模型转换工具,执行以下命令添加到系统的环境变量中

sudo nano ~/.bashrc

打开.bashrc文件之后,将下面这句代码添加到最后一行

export PATH=$PATH:`pwd`/tools/onnx

文章参考