Ubuntu18.04 安装 Conda 遇到的问题和集(一)2020.5.29

本文分享了在Linux环境下配置深度学习环境的经验,包括解决Conda下载速度慢、权限错误及环境Path无法写入警告等问题的方法,适用于使用NVIDIA显卡进行深度学习研究的初学者。
部署运行你感兴趣的模型镜像

由于研究需要,需要从Windows转移到Linux进行深度学习研究,遇见很多很多没有遇见的问题,借助百度以及根据自我试验解决。希望对同样遇到此问题的朋友有所启发。

本人配置:

Lenovo 拯救者 Y7000P 2019.

显卡Nvidia 1660Ti.

显卡驱动 Nvidia-440

CUDA 10.2

 

1. Conda 的下载速度慢与换源操作

国内conda下载最好使用国内镜像源,换源方法可以参考:

https://blog.youkuaiyun.com/weixin_42247922/article/details/104692245

输入以下命令将多个国内源加入列表

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
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/
conda config --set show_channel_urls yes

检验

conda config --show channels

*不同源有可能包含的安装包版本不一样,请一定要在安装出现Y/N提示时仔细阅读所安装包版本。

**可以直接去源网站查询是否有需要的版本。

***conda会按照channels的顺序依次寻找各种源里的下载包,可以通过再次输入conda config --add channels XXX 将某一个源提到首位。

****conda命令参数中 -c (比如 conda install pytorch -c python) 表示从原源获得下载(即channels中的defaults), 如希望使用镜像源,需要将此参数删除。

 

2. Conda 出现以下权限错误:

EnvironmentNotWritableError: The current user does not have write permissions to the target environment.
  environment location: /home/myname/miniconda3
  uid: 1000
  gid: 1000

由于miniconda3给予权限不够,使用:

sudo chown -R 1000:1000 /home/myname/miniconda3

给予miniconda3权限

*1000:1000是error中uid与gid的数字。

3.Conda出现环境Path无法写入警告:

WARNING conda.core.path_actions:verify(963): Unable to create environments file. Path not writable.
  environment location: /home/myname/.conda/environments.txt

原因时我的miniconda3的环境文件夹并不在miniconda3中,而是/.conda/中

同理使用

sudo chown -R 1000:1000 /home/forsola/.conda

给予/.conda权限

 

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

### 安装 YOLOv5 CPU 版本在 Ubuntu 18.04 上的教程 #### 环境准备 确保系统已安装基础工具,如 `GCC`、`CMake`、`Vim`、`Git` 等。这些工具可以通过以下命令安装: ```bash sudo apt-get update sudo apt-get install -y build-essential cmake git vim ``` #### 安装 Python 环境 Ubuntu 18.04 默认安装的 Python 3 版本是 3.6.9,而 YOLOv5 要求的 Python 版本为 3.6.0 或更高。可以选择使用 `Anaconda` 发行版来管理 Python 环境。下载并安装 Anaconda: ```bash wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh bash Anaconda3-2020.11-Linux-x86_64.sh ``` 安装完成后,创建个虚拟环境并激活: ```bash conda create -n yolov5 python=3.6 conda activate yolov5 ``` #### 安装 PyTorch YOLOv5 6.0 版本要求 PyTorch >= 1.7。由于是 CPU 环境,需要安装 CPU 版本的 PyTorch: ```bash pip install torch==1.7.0+cpu torchvision==0.8.0+cpu torchaudio==0.7.0 -f https://download.pytorch.org/whl/torch_stable.html ``` #### 克隆 YOLOv5 仓库 选择 YOLOv5 6.0 版本进行克隆: ```bash git clone -b v6.0 https://github.com/ultralytics/yolov5.git cd yolov5 ``` #### 安装依赖项 安装 YOLOv5 所需的依赖项: ```bash pip install -r requirements.txt ``` #### 配置 Makefile(可选) 如果需要对 `darknet` 进行编译,可以打开 `darknet/Makefile` 并确保 `GPU`、`LIBSO`、`OPENCV` 三项设置为 `0`,以确保编译为 CPU 版本: ```makefile GPU=0 LIBSO=0 OPENCV=0 ``` #### 运行 YOLOv5 完成上述步骤后,即可运行 YOLOv5 的推理脚本。例如,使用默认的 `detect.py` 脚本进行目标检测: ```bash python detect.py --source data/images --weights yolov5s.pt --conf 0.25 --img-size 640 ``` ###
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值