mamba-yolo模型的深度学习环境配置

news2024/12/23 19:44:17

本文将介绍如何配置目标检测模型mamba-yolo的深度学习环境

1. 环境要求

Python >= 3.9 （本文使用python-3.11）
CUDA >= 11.6 （本文使用CUDA-11.8）
Pytorch >= 1.12.1 （本文使用torch-2.4.0）
Linux（本文使用Ubuntu-22.0.4）
- 请先确定系统的GLIBC版本大于等于2.32（本文使用2.35），否则会导致python无法正常import动态链接库（python >= 3.7 import动态链接库需要 GLIBC >= 2.32），如需查看GLIBC版本可使用以下命令查看：
```
ldd --version
```
- gcc，具体版本要求未知，本文使用11.4.0 ，可用以下命令查看gcc版本
```
gcc --version
```

2. CudaToolKit安装

2.1 cuda安装

先打开英伟达CudaToolKit官网：https://developer.nvidia.com/cuda-toolkit-archive ，然后选择cuda11.8（也可以按照自己的需求来选择其他版本，但是要求大于11.6）

之后按照自己的系统情况进行选择：

如果当前账户有root权限的话，Installer Type就正常选第一个就好，根据下方给出的提示进行安装即可

如果没有root权限的话，可以使用第三项runfile的方式进行安装，具体可以参考博客：linux系统非root用户安装cuda和cudnn，不同版本cuda切换_安装多版本cudnn-CSDN博客

2.2 环境变量修改

打开bash配置文件：使用文本编辑器打开用户的bash配置文件。对于大多数用户，这个文件通常是~/.bashrc。如果您使用的是root用户，那么配置文件可能是~/.bashrc或者/root/.bashrc。在终端中输入以下命令：

nano ~/.bashrc  # 如果想修改所有用户可以在前面加上sudo

在打开的.bashrc文件中，使用键盘将光标移动到文件的末尾，添加以下路径在文件最后（注意，具体路径请修改为自己安装路径，代码示例为默认安装路径）：

export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-11.8

保存并关闭文件：在nano编辑器中，按下Ctrl + O来保存文件，然后按下Enter确认文件名。接着，按下Ctrl + X退出编辑器，输入y一次，然后回车即可

使更改生效：为了让刚才的更改立即生效，需要重新加载.bashrc文件。在终端中执行以下命令：

source ~/.bashrc

接下来就可以输入：

nvcc -V

查看是否安装成功即可，正常应输出如下信息：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

3. cuDNN安装

先打开官网：https://developer.nvidia.com/rdp/cudnn-archive ，然后选择对应版本进行下载（本案例选择v8.9.7-11.x），这里下载需要注册NVIDIA账号

然后将下载好的压缩包传到linux服务器中，并在终端cd到对应上传目录，然后进行解压：

tar -xvf cudnn**    # **省略部分按tab自动补全

解压完成后cd进解压文件夹，然后运行以下代码（如果没有root权限，cuda安装目录应当在自己账户目录下，此时以下命令无需sudo命令）：

sudo cp -r ./lib/* /usr/local/cuda-11.8（根据你的cuda安装目录进行修改）/lib64/
sudo cp -r ./include/* /usr/local/cuda-11.8（根据你的cuda安装目录进行修改）/include/

接下来修改权限：

sudo chmod a+r /usr/local/cuda-11.8（根据你的cuda安装目录进行修改）/include/cudnn*
sudo chmod a+r /usr/local/cuda-11.8（根据你的cuda安装目录进行修改）/lib64/libcudnn*

最后检查是否安装成功：

cat /usr/local/cuda-11.8（根据你的cuda安装目录进行修改）/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

正常应输出以下信息：

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 9
#define CUDNN_PATCHLEVEL 7
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

/* cannot use constexpr here since this is a C-only file */

至此，cuda安装完成

4. Anaconda安装

这个网上教程一大堆，这里我就只简单说一下。首先下载安装程序，方法有很多，下面提供两种方法：

前往Anaconda官网（Download Anaconda Distribution | Anaconda ）选择linux版本，直接下载
直接使用wget下载：

wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh

之后cd到你的下载目录，直接执行即可：

sh Anaconda3-2024.02-Linux-x86_64.sh

一直按enter，直到出现选择yes或者no，选择yes，接下来按enter即可

Please answer 'yes' or 'no':'
>>> yes

Anaconda3 will now be installed into this location:
/root/anaconda3

  - Press ENTER to confirm the location
  - Press CTRL-C to abort the installation
  - Or specify a different location below

这里直接按enter继续

You can undo this by running `conda init --reverse $SHELL`? [yes|no]
[no] >>>

Thank you for installing Anaconda3!

安装完成

5. Conda环境创建和pytorch环境配置

先新建一个conda虚拟环境:

conda create --name mamba python=3.11

激活环境：

conda activate mamba

然后安装pytorch（这是使用pip下载，如需conda下载【conda下载最后得到的包文件名为pytorch，pip是torch】或者安装其他版本，具体命令可以前往Pytorch官网 PyTorch ）:

conda install pytorch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0  pytorch-cuda=11.8 -c pytorch -c nvidia

5.1 pytorch构建工具配置修改

先查看mamba-env环境路径

conda env list

然后进入具体环境路径后，打开📁 lib/📁 python3.10/📁 site-package/ 📁 torch（conda下载为pytorch，pip下载为torch）/📁 utils/cpp_extension.py

在CUDA_GCC_VERSIONS和MINIMUM_CLANG_VERSION中添加11.8的版本信息

CUDA_GCC_VERSIONS: VersionMap = {
    '11.0': (MINIMUM_GCC_VERSION, (10, 0)),
    '11.1': (MINIMUM_GCC_VERSION, (11, 0)),
    '11.2': (MINIMUM_GCC_VERSION, (11, 0)),
    '11.3': (MINIMUM_GCC_VERSION, (11, 0)),
    '11.4': ((6, 0, 0), (12, 0)),
    '11.5': ((6, 0, 0), (12, 0)),
    '11.6': ((6, 0, 0), (12, 0)),
    '11.7': ((6, 0, 0), (12, 0)),
    '11.8': ((6, 0, 0), (12, 0)),  # 添加这一行
}

MINIMUM_CLANG_VERSION = (3, 3, 0)
CUDA_CLANG_VERSIONS: VersionMap = {
    '11.1': (MINIMUM_CLANG_VERSION, (11, 0)),
    '11.2': (MINIMUM_CLANG_VERSION, (12, 0)),
    '11.3': (MINIMUM_CLANG_VERSION, (12, 0)),
    '11.4': (MINIMUM_CLANG_VERSION, (13, 0)),
    '11.5': (MINIMUM_CLANG_VERSION, (13, 0)),
    '11.6': (MINIMUM_CLANG_VERSION, (14, 0)),
    '11.7': (MINIMUM_CLANG_VERSION, (14, 0)),
    '11.8': (MINIMUM_CLANG_VERSION, (14, 0)),  # 添加这一行
}

安装packaging包（setup需要）：