文章目录

- @[TOC]
1、CUDA
2、Anaconda3
3、cuDNN和Pytorch安装
- 这里值得注意的是(30系显卡安装Pytorch时)：
4、Fluent Terminal
5、Real-ESRGAN算法的部署运行
- 安装
- 上手运行
- - Python 脚本的用法
anaconda环境基础操作
- 1.安装Anaconda。
- 2.conda常用的命令
- - （1）查看安装了哪些包
  - （2)查看当前存在哪些虚拟环境
  - （3)检查更新当前conda
- 3.Python创建虚拟环境
- 4.激活或者切换虚拟环境
- 5.对虚拟环境中安装额外的包
- 6.关闭虚拟环境(即从当前环境退出返回使用PATH环境中的默认python版本)
- 7.删除虚拟环境
- 8.删除环境钟的某个包
- 9、设置国内镜像
- 10、恢复默认镜像
- 11、我的.condarc配置
参考资料

有条件的，推荐使用Ubuntu系统配置开发环境，Ubuntu是Linux的一个发行版之一，适合新手，界面友好，操作简单。

本人现在的电脑已安装win11系统，因此后续将会以Windows系统作为开发环境，但这并不影响算法原理与代码的讲解。

本人的笔记本配置如下：

CPU：AMD Ryzen 7 5800H

显卡：RTX 3050Ti

系统：Windows 11

安装好Windows系统和必要的驱动后，需要安装的工具有：CUDA、Anaconda3、cuDNN、Pytorch-gpu、Fluent Terminal（可选）。

1、CUDA

CUDA，是显卡厂商NVIDIA推出的运算平台。我们需要根据自己显卡的型号选择支持的CUDA版本，例如RTX 2060 Super支持CUDA 10，下载地址：点击查看

傻瓜式安装，很简单。

安装好后，需要再配置下系统的环境变量，电脑->鼠标右键->属性->高级系统设置->环境变量->Path：

添加自己的NVSMI路径到环境变量中，

配置好后，就可以在cmd中使用nvidia-smi指令查看显卡了。

2、Anaconda3

Anaconda 是一个免费、易于安装的包管理器、环境管理器和 Python 发行版，包含 1,500 多个开源包，并提供免费社区支持。Anaconda 与平台无关，因此无论您在 Windows、macOS 还是 Linux 上都可以使用它。

选择系统相应的版本，这里因为我是在Windows上进行部署的，点击Windows版本的64-Bit Graphical Installer，安装直接傻瓜式下一步就行。

安装好后，需要添加系统环境变量，方法步骤同CUDA大致相同，只需找到Path并将Anaconda路径加入其中就可以了，要添加的路径类似：

D:\Anaconda
D:\Anaconda\Scripts

配置好后，在cmd中运行conda -V没有报错，有版本信息输出，说明配置成功。

3、cuDNN和Pytorch安装

cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。

安装好Anaconda之后，可以使用conda安装cuDNN和Pytorch。

打开Anaconda Prompt，这是Anaconda自带的命令行工具，先一定要用这个工具创建环境，直接用系统自带的cmd，可能遇到一些奇怪的问题，例如CondaHTTPError的错误。在Anaconda Prompt中输入：

conda create -n your_name jupyter notebook

这句话的意思是创建一个名字为your_name的虚拟环境，并且这个虚拟环境额外安装jupyter notebook第三方库。可以将your_name改为你自己喜欢的名字，这个名字是你的虚拟环境的名字，自己随便取，比如jack。

随后，输入y进行安装：

安装好后，可以通过指令conda info -e查看已有环境情况。

从上图可以看到，有两个环境，一个是base，自带的基础环境，另一个是我们新创建的名为demo的环境。新建环境的原因是，我们可以分开管理我们配置的环境。

安装好环境后，我们就可以激活jack环境，并安装cuDNN和GPU版的Pytorch了。激活名为demo的环境：

activate demo

可以看到，我们的环境已经行(base)切换到(demo)。在demo环境中安装cuDNN：

conda install cudnn

安装cuDNN好后，安装Pytorch，打开Pytorch官网：点击查看_

根据自己的环境选择，选择好后，网页会自动给出需要运行的指令。这里可能需要区分下CUDA的版本。

CUDA版本查看方法，在命令行中输入nvidia-smi：

我笔记本上的CUDA版本为11.2，确定好版本后，就可以通过Pytorch官网提供的指令安装GPU版本的Pytorch了。

这里值得注意的是(30系显卡安装Pytorch时)：

如果你的电脑配置的是30系显卡，发生以下情况时，是由于Pytorch里面CUDA10.2选项和30系显卡不兼容。
这是个巨坑，30系显卡暂时不支持CUDA11以下版本，CUDA不支持当前显卡的算力。
虽然按道理来说CDUA是向下兼容的，比如你的电脑里安装的是CUDA11.3，在安装Pytorch时由于CUDA是向下兼容的，安装CUDA10.2是完全可以的。
但是，安装Pytorch时30系的显卡不能选择CUDA10.2，否则在运行算法程序的时候就会报错(反正在我电脑上报错了)：GeForce RTX 3050 Ti Laptop GPU with CUDA capability sm 86 is not compatible with the current PyTorch      installation.The current PyTorch install supports CUDA capabili7sm_50sm_60sm_61sm_70sm_75compute_ 37.If you want to use the GeForce RTX 3050Ti Laptop GPU with PyTorch, please check the instructions at https://pytorch. org/ get- started/ locally/这时，只需要卸载原本的Pytorch，重新下载安装适配的CUDA11以上的版本,通过Pytorch官网提供的指令安装对应版本版本的Pytorch就可以了。

可以点击下方查看：
查看显卡算力

CUDA支持的显卡算力

从中可以看到这句话：a cubin generated for compute capability 7.0 is supported to run on a GPU with compute capability 7.5, however a cubin generated for compute capability 7.5 is not supported to run on a GPU with compute capability 7.0, and a cubin generated with compute capability 7.x is not supported to run on a GPU with compute capability 8.x
差不多意思就是：
（1）算力为7.0的cuda支持在算力为7.5上运行
（2）算力为7.5的cuda不支持在算力为7.0上运行
（3）算力为7.x的cuda不支持在算力为8.x上运行
我们前面已经发现30系显卡算力全部在8.x。而在文档中可以发现cuda10版本支持最高算力是7.x，因此不支持30系显卡。
至此，基础的环境已经搭建完成，下面进行详细的算法运行说明。

4、Fluent Terminal

基础环境配好了，正常使用已经够了。

但是追求颜值的人，可能会觉得，Windows自带的命令行工具和Anaconda提供的命令行工具都太丑了。

有没有好看，又好用的Terminal？答案是有的，不过需要自己配置，并且还有一些坑需要慢慢踩。

例如Fluent Terminal，它是现代的、也是我比较推荐的终端工具。它是专属于 Windows 平台，并利用UWP技术打造的颜值超高的终端模拟器。先看下颜值：

](https://cuijiahua.com/wp-content/uploads/2019/11/dl-14-17.jpg)

喜欢折腾的，可以看看这几篇文章：

告别 Windows 终端的难看难用，从改造 PowerShell 的外观开始

像MAC一样使用win10的Terminal

这种美化的工具有很多，需要自行探索，由于本文不是专门针对Terminal的美化文章，就不用过多篇幅介绍这些美化工具了。喜欢折腾的，可以根据自己的需求自行百度。

5、Real-ESRGAN算法的部署运行

Real-ESRGAN 的目标是开发出实用的图像修复算法。项目地址如下：

xinntao/Real-ESRGAN: Real-ESRGAN aims at developing Practical Algorithms for General Image/Video Restoration. (github.com)

可以先自己看一看算法的介绍。

接下来进入正文—>

安装

把项目克隆到本地

git clone https://github.com/xinntao/Real-ESRGAN.git
cd Real-ESRGAN

也可以直接在上方项目链接里直接Download。

2.安装各种项目依赖库

进入项目目录下，打开 requirements.txt，删除已经安装好的Pytorch和torchvision，在命令行中进入项目目录，输入以下命令并执行。

    ```bashpython -n pip install -r requirements.txt```

到这里，算法运行环境搭建成功。

上手运行

这里我们对项目提供的对普通图片进行优化的模型进行下载和运行—>

下载训练好的模型: RealESRGAN_x4plus.pth，并将其放在项目主目录中的experiments/pretrained_models下，

然后，运行推断！

在项目主目录下，运行以下命令：

python inference_realesrgan.py -n RealESRGAN_x4plus -i inputs --face_enhance

结果在results文件夹中。

项目运行效果：

]

Python 脚本的用法

虽然你使用了 X4 模型，但是你可以 输出任意尺寸比例的图片，只要实用了 outscale 参数. 程序会进一步对模型的输出图像进行缩放。

Usage: python inference_realesrgan.py -n RealESRGAN_x4plus -i infile -o outfile [options]...A common command: python inference_realesrgan.py -n RealESRGAN_x4plus -i infile --outscale 3.5 --half --face_enhance-h                   show this help-i --input           Input image or folder. Default: inputs-o --output          Output folder. Default: results-n --model_name      Model name. Default: RealESRGAN_x4plus-s, --outscale       The final upsampling scale of the image. Default: 4--suffix             Suffix of the restored image. Default: out-t, --tile           Tile size, 0 for no tile during testing. Default: 0--face_enhance       Whether to use GFPGAN to enhance face. Default: False--half               Whether to use half precision during inference. Default: False--ext                Image extension. Options: auto | jpg | png, auto means using the same extension as inputs. Default: auto

anaconda环境基础操作

conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理和环境管理。包管理与pip的使用方法类似，环境管理则是允许用户方便滴安装不同版本的python环境并在不同环境之间快速地切换。

conda的设计理念

conda将几乎所有的工具、第三方包都当作package进行管理，甚至包括python 和conda自身。Anaconda是一个打包的集合，里面预装好了conda、某个版本的python、各种packages等。

1.安装Anaconda。

打开命令行输入conda -V检验是否安装及当前conda的版本。

2.conda常用的命令

（1）查看安装了哪些包

conda list

（2)查看当前存在哪些虚拟环境

conda env list
conda info -e

（3)检查更新当前conda

conda update conda

3.Python创建虚拟环境

conda create -n your_env_name python=x.x

anaconda命令创建python版本为x.x，名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。

4.激活或者切换虚拟环境

打开命令行，输入python --version检查当前 python 版本。

Linux:  source activate your_env_nam
Windows: activate your_env_name

5.对虚拟环境中安装额外的包

conda install -n your_env_name [package]

6.关闭虚拟环境(即从当前环境退出返回使用PATH环境中的默认python版本)

deactivate env_name
或者`activate root`切回root环境
Linux下：source deactivate

7.删除虚拟环境

conda remove -n your_env_name --all

8.删除环境钟的某个包

conda remove --name $your_env_name  $package_name

9、设置国内镜像

http://Anaconda.org的服务器在国外，安装多个packages时，conda下载的速度经常很慢。清华TUNA镜像源有Anaconda仓库的镜像，将其加入conda的配置即可：

# 添加Anaconda的TUNA镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# TUNA的help中镜像地址加有引号，需要去掉

# 设置搜索时显示通道地址

conda config --set show_channel_urls yes

10、恢复默认镜像

conda config --remove-key channels

11、我的.condarc配置

channels:- defaults
show_channel_urls: true
channel_alias: http://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

参考资料

xinntao/Real-ESRGAN: Real-ESRGAN aims at developing Practical Algorithms for General Image/Video Restoration. (github.com)

Pytorch深度学习实战教程（一）：语义分割基础与环境搭建 (cuijiahua.com)

【语义分割】综述——一文搞定语义分割_ShuqiaoS的博客-CSDN博客

语义分割的数据集_蓬莱道人的博客-CSDN博客_小型语义分割数据集

Github下载速度慢提升github下载速度最新解决方案跟龟速说拜拜（持续更新保证方案可行建议收藏）_杀手的博客-CSDN博客_github下载加速

PIP 更换国内安装源_佛系程序员-CSDN博客_pip换源

Python 修改 pip 源为国内源 - 137point5 - 博客园 (cnblogs.com)

anaconda 完全卸载——重装_m0_46491438的博客-CSDN博客_如何重装anaconda

windows下的scoop的一些使用 - _已重置 - 博客园 (cnblogs.com)

Windows下Scoop安装、配置与使用_luoyooi的博客-CSDN博客_scoop

pip install 时 WARNING: No metadata found in e:\anaconda\lib\site-packages 问题解决_疯魔coding君的博客-CSDN博客

dows下的scoop的一些使用 - _已重置 - 博客园 (cnblogs.com)](https://www.cnblogs.com/godots/p/14802665.html)