DeepFaceLab史上最快的环境搭建(虚拟环境)
DeepFaceLab史上最快的环境搭建(虚拟环境)
文章目录:
- 一、测试环境
- 二、搭建虚拟环境
- 1、创建虚拟环境
- 2、激活虚拟环境
- 3、离开虚拟环境
- 三、配置GPU环境
- 四、安装配置python库包
- 1、安装Anaconda(用清华镜像安装)
- 2、安装python训练环境的库包
- 4、安装face_recoginition包 (这个包也要用cmake进行编译)
- 5、安装keras_contrib包:
- 五、可能出现的错误和问题
- 六、其他尝试可行的版本
- 1、 推荐使用这个版本
- 2、 推荐使用这个版本
- 3、也可以使用这个版本
- 4、不要配置这个版本啦
- 5、 我们本地的服务器:
为了在阿里云上测试速度,搭建虚拟环境无疑是最快的方式,不要问我为什么,如果你在同一个地方摔倒了无数次,你就知道啦,可能真的不是再尝试就距离成功更进一步啦,还有可能你越陷越深,无法自拔,请不要以身填坑,哥,我劝你从良!请绕道吧!!!
一、测试环境
- Ubuntu16.04
- 显卡驱动:384.125
- GPU Tesla V100 (四块GPU)
二、搭建虚拟环境
1、创建虚拟环境
创建名字为swap的虚拟环境,python版本3.5
conda create -n swap python=3.5
2、激活虚拟环境
激活swap虚拟环境:
source activate swap
3、离开虚拟环境
离开swap虚拟环境:
source deactivate (下面的环境没有装好之前,不要离开虚拟环境)
三、配置GPU环境
添加国内的镜像源:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/安装cudnn=7.1.2
conda install cudnn=7.1.2
在安装cudnn7.1.2的时候,会自动匹配到下面的cuda=9.0版本然后一起安装,选择yes即可。
- 安装cuda=9.0
conda install cudatoolkit=9.0 #
上面选择yes之后,这一步可以省略的,因为上面已经安装过啦
四、安装配置python库包
1、安装Anaconda(用清华镜像安装)
不要问我为什么用清华镜像安装,NB不就完啦吗
- 下载Anaconda的安装包:
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.0.0-Linux-x86_64.sh
- 安装Anaconda:
bash Anaconda3-5.0.0-Linux-x86_64.sh
2、安装python训练环境的库包
pip install cmake # 先安装cmake,因为下面需要安装dlib的包,需要进行编译
pip install pathlib==1.0.1 scandir==1.6 h5py==2.7.1 keras==2.2.4 opencv-python==3.4.0.12 tensorflow-gpu==1.9.0 scikit-image dlib==19.10.0 numpy==1.16.0 pillow==3.4.1 tpdm==4.29.1
注意:如果你本地下载上面的安装包速度很慢,请ctrl + c中断 ,然后在install后面加上清华镜像地址,带你起飞!!!
Eg:
pip install -i
https://pypi.tuna.tsinghua.edu.cn/simple
package_name
4、安装face_recoginition包 (这个包也要用cmake进行编译)
- 下载face_recognition:
下载地址:https://github.com/ageitgey/face_recognition
下载之后解压
或你用git clone下载也是可以的
- 安装:
cd face_recognition-master
python setup.py install
或
pip insatll face_recognition
或
sudo pip install git+https://github.com/ageitgey/face_recognition.git #不推荐使用该方法安装,你可能会遇到一些小的问题,小白就回避吧
5、安装keras_contrib包:
- 下载keras_contrib:
下载地址:https://github.com/keras-team/keras-contrib
下载之后解压
或你用git clone下载也是可以的
- 安装:
cd keras-contrib-master
python setup.py install注:也可以通过这样安装(不推荐,你可能会遇到一些小问题):
sudo pip install git+https://www.github.com/keras-team/keras-contrib.git
该包不可以
通过pip install keras_contrib
(在pypi官网上可能没有上传该安装包)
五、可能出现的错误和问题
- 如果训练的时候报错:ModuleNotFoundError: No module named ‘numpy.core._multiarray_umath’
这可能是由于numpy外面的环境和虚拟环境中的numpy的版本冲突导致的,可以把外面的numpy卸载删除
解决方式:
>>python>>import numpy as np>>np.__path__ # 会返回numpy的安装路径rm -rf numpy_path(numpy路径) # 删除即可
pip uninstall numpy # 卸载外部环境的numpy #升级成最新版本应该也是可以的 (参照:https://github.com/tensorflow/tensorflow/issues/559 )(之前版本是numpy=1.14.5 ,升级之后是numpy=1.16.0)
- 在用face_recognition做人脸对比过滤的时候出现 AttributeError:‘PngStream’ object has no attribute ‘chunk fcWp’ 问题
是由于pillow版本导致的问题,请降低pillow的版本,我将版本从 5.4.1 降低到4.2.1 问题解决
- 如果要移除创建的虚拟环境:
conda remove --force --name swap --all
(当然你也可以手动去删除虚拟环境:pip -V 查看虚拟环境的位置,然后手动删除虚拟环境的空间)
- 不要着急离开虚拟环境
以上环境没有配置好,请务必不要离开虚拟环境,那是你的容器,你要在这个容器里面搭建一个属于你自己的‘大楼’,离开了就是给别人添砖加瓦,徒劳无功,还有可能把别人的‘大楼’搞的一塌糊涂,到那时就等你的小伙伴通缉你吧!!!
六、其他尝试可行的版本
1、 推荐使用这个版本
- tensorflow-gpu ==1.9.0 版本 提取人脸的时候只在mt模式下可以调用GPU资源,在dlib模式下不会调用GPU资源
- cudnn=7.1.2
- cuda=9.0
2、 推荐使用这个版本
- tensorflow-gpu ==1.9.0 版本 提取人脸的时候在dlib和mt模式下都可以调用GPU资源 (ms_server name: test_cudnn)
- cudnn=7.3.1
- cuda=9.0
3、也可以使用这个版本
- tensorflow-gpu ==1.10.0 版本 提取人脸的时候只在mt模式下可以调用GPU资源,在dlib模式下不会调用GPU资源
- cudnn=7.1.2
- cuda=9.0
4、不要配置这个版本啦
- tensorflow-gpu ==1.8.0 版本 只能训练,在dlib和mt 模式下都是不会调用GPU
- cudnn=7.0.5
- cuda=8.0
5、 我们本地的服务器:
- tensorflow-gpu ==1.10.0 版本 dlib和mt模式下都可以正常提取人脸
- cudnn=7.0.5
- cuda=9.0 # 但是我在阿里云上不可以配置cudnn7.0.5和cuda9.0相匹配的版本,也忘了之前在本地是怎么配置好的
♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠
DeepFaceLab史上最快的环境搭建(虚拟环境)相关推荐
- Active Directory 01 - “史上最全”测试环境搭建模板
文章目录 背景 环境搭建 ECORP.COM/E-RDC01 配置 Domain Controller 添加用户 配置目录分享 配置 SPN 配置网络 关闭 Windows Defender 配置SQ ...
- 云原生之史上最全K8S环境搭建(强烈建议收藏)
目录 首先安装K8S的基础要安装Docker环境 编辑 Docker安装 1.移除以前docker相关包 2.配置yum源 3.安装docker 4.启动 5.配置加速 环境配置和Kubernete ...
- 半年 5 战 5 金:Kaggle 史上最快 GrandMaster 是如何炼成的?
点击上方"Datawhale",选择"星标"公众号 第一时间获取价值内容 转载自机器之心(id: almosthuman2014) 这是 Kaggle 你问我答 ...
- 史上最快消息内核——ZeroMQ
ZeroMQ是一个很有个性的项目,它原来是定位为"史上最快消息队列",所以名字里面有"MQ"两个字母,但是后来逐渐演变发展,慢慢淡化了消息队列的身影,改称为消息 ...
- 史上最快的内网视频会议部署方案-turbomeeting视频会议系统
之前的文章有提到过,市面上用电脑安装视频会议软件.手机安装视频会议软件来开会的"软视频会议系统"主要是以租赁的形式提供给用户使用,很多优秀的软件甚至只需要付费6000K就可以获得5 ...
- Android开发者福音-史上最快模拟器genymotion
Android开发者福音-史上最快模拟器genymotion 2014年3月17日 这个模拟器是我在新公司第一天上班的时候,公司同事推荐给我的,这么好的东西,我自然不忘跟大家分享一下.我们都知道Ecl ...
- (IDM)史上最快的多线程下载工具,绿色稳定版
应用简介 最快的下载器,没有之一!!!多线程下载文件从而提升下载速度,最大支持32线程,还可以自动嗅探下载网页视频,配合脚本还可以实现百度网盘不限速下载,超级牛逼. Internet Download ...
- 一年六篇顶会的清华大神提出Fastformer:史上最快、效果最好的Transformer
来源:新智元 [导读]Transformer模型好是好,可惜太慢了!最近一位清华大神在arxiv上传了一篇论文,提出新模型Fastformer,线性时间复杂度,训练和推理效率史上最快,还顺手在排行榜刷 ...
- MySQL史上最快逻辑备份工具
MySQL Shell 8.0.21 增加了一种新的逻辑备份恢复方法,有更快的备份恢复效率,支持zstd实时压缩,支持分块并行导出,load data并行导入,还能备份到OCI的对象存储. util. ...
最新文章
- specgram python
- Teams Bot开发系列:初识Bot
- python输入input数组_python怎么输入数组
- DEFINE_PER_CPU
- Python下载中国数据库大会(DTCC2020)PPT全集
- 一会儿花雨停了的飞鸽传书
- python 7-24 sdut-array2-2-局部峰值 (10 分)
- mysql 5.6 密码_Mysql5.6 忘记root密码的解决办法
- Flink系列-实时数仓之Flink实时写入ClickHouse并实时大屏Tableau
- 【C++】运算符重载关于const的分析(超详细)
- 一些编程习惯和问题记录--不定期更新
- 「leetcode」203.移除链表元素:听说用虚拟头节点会方便很多?
- html获取xml的数据,xml格式获取值
- 利用VBB仿真——实现摇杆控制流水灯
- 计算机网络原理中子网掩码,计算机网络应用 子网掩码计算器(SubNetMaskCalc)
- 趋肤效应实验报告_GB/T 4857.2
- 创建Oracle定时任务及其各项操作
- 关于瑞昱8763bfr的学习总结(1)
- 互联网晚报 | 1月17日 星期一 | 飞猪推出买机票送核酸检测券服务;洋码头首个文旅场景免税店开业;2022年春运今日开启...
- AI插件开发入门教程001 - AI脚本简介
热门文章
- 节点插入--对比jQuery和JavaScript方法(一)
- 读书笔记《锋利的jQuery》
- DataSnap如何监控Tcp/IP客户端的连接情况
- Javascript使用Ajax跟踪历史
- python从零基础到项目实战怎么样-2018完整Python零基础到项目精通的学习书籍
- python 爬虫实例-python爬虫实例,一小时上手爬取淘宝评论(附代码)
- python的优缺点-Python 有什么一般人不知道的缺点?
- 简单python画圣诞树图片-圣诞节!教你用 Python 画棵圣诞树
- 有道精品课python-115批量转存与提取sha1工具2020下载
- python 贴吧自动回复机-Python实现微信自动回复机器人详细教程