win11 + insightface + pytorch + CUDA + cuDNN 实战安装

安装攻关秘籍，步骤如下:
第一步. 下载 pycharm 社区版
官网在这里：https://www.jetbrains.com/pycharm/download/?section=windows

第二步. 下载 anaconda 或者miniconda
// 参考下面文章来执行安装anaconda, 本项目需要python3.10
Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南
anconda或者miniconda官网见下面：
https://docs.conda.io/projects/conda/en/stable/user-guide/install/index.html
https://repo.anaconda.com/archive/
https://repo.anaconda.com/miniconda/

第三步. 配置 anaconda 的path和加速下载源
加速下载源 ，见 Windows下Miniconda+Pytorch+Pycharm开发环境搭建指南

第四步. 按如下步骤来下载依赖包
下面细分几个part. 如果主机有英伟达GPU，则需要执行这个 PART0 的步骤.
PART0 安装GPU依赖
有GPU则必需选，否则就可以跳过！
英伟达官方推荐如下两种方式安装。

方式1： Windows安装 CUDA和cuDNN
1：install CUDA 11.8

for Windows:
install guide : https://developer.nvidia.com/cuda-downloads
测试工具: bandwidthTest.exe， nvcc -V

for Linux:
install guide : https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html

download page:
https://developer.nvidia.com/cuda-toolkit-archive
https://developer.nvidia.com/cuda-downloads

2: install cuDNN for Cuda 11.x
install guide https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-windows

download page: https://developer.nvidia.com/rdp/cudnn-archive
test CMD: deviceQuery.exe

构建测试命令，则到这里去下载源码和构建 https://github.com/nvidia/cuda-samples

在安装了CUDA toolkit后，测试工具 bandwidthTest 和 deviceQuery
就在下面的目录下：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vxx\extras\demo_suite\

方式2：用conda安装 CUDA和cuDNN
conda config --add channels conda-forge
conda config --set channel_priority strict
conda install cudatoolkit11.8 -c anaconda
conda install cudnn8.4.1.50 -c anaconda --force //8.5.0.96 在conda上面没有。它有cudnn 8.9.2.26 cuda11_0

CUDA 和cuDNN 参考文档

英伟达安装cuda

 安装文档: https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html#install-cuda-software ,  
  CUDA 下载 https://developer.nvidia.com/cuda-11-8-0-download-archive

英伟达安 cuDNN

   安装文档: https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html
  cuDNN 下载 https://developer.nvidia.com/rdp/cudnn-archive

网络文章

https://cloud.tencent.com/developer/article/2153193
https://developer.nvidia.com/cuda-11-8-0-download-archive

PART1 安装Microsoft Visual C++ 14.0 或者以上
参考 https://visualstudio.microsoft.com/visual-cpp-build-tools/
点击：下载生成工具，下载 vs_BuildTools.exe到本地，然后按屏幕提示一步步走就可以了，不需要修改
这一步不装，则会在pip install insightface==0.7.3碰到错误。
在安装过程中，确保选择了“C++ 编译工具”选项，以及任何必要的 Windows SDK 和其他依赖组件。
完成安装后，重新启动计算机以确保所有路径和环境变量更新生效

PART2 安装别的依赖包

#强烈建议在anaconda中，用它的pip来安装而不用conda来安装
#进入conda的命令行窗口，执行下面的命令
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip config list

conda create -n ai_py310 python3.10
conda activate ai_py310
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip config list
#pytorch会安装numpy,cudnn
conda install pytorch2.0.1 torchvision0.15.2 torchaudio2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia
pip install onnxruntime-gpu1.15.1
pip install tqdm
pip install redis
pip install boto3
pip install opencv-python
pip install python-multipart
pip install fastapi
pip install uvicorn
pip install pillow
pip install loguru
pip install psutil
FAQ:
#如果有问题，则要装依赖。
#pip install blosc22.0.0
#碰到过下面的问题，
//error: Microsoft Visual C++ 14.0 or greater is required. Get it with “Microsoft C++ Build Tools”: https://visualstudio.microsoft.com/visual-cpp-build-tools/ [end of output]
//则安装vs studio professional，下载 vs_BuildTools.exe，然后执行即可，同时要注意下面的步骤
在安装过程中，确保选择了“C++ 编译工具”选项，以及任何必要的 Windows SDK 和其他依赖组件。
完成安装后，重新启动计算机以确保所有路径和环境变量更新生效

英伟达的cudatoolkit 和 cudnn 不能用pip来安装，可以选择用windows或者conda来安装

用conda安装 英伟达的cudatoolkit 和 cudnn （可选)

PART3 安装ffmpeg工具
如果涉及到视频处理，则需要安装fmpeg工具，去官网上下载windows工具即可。
windows环境下：将ffmpeg-6.0-full_build.7z解压，将bin下的ffmpeg.exe和ffprobe.exe 添加至环境变量。将然后将这两个复制到你pytorch环境下【和torch下的python在一个目录中即可】
https://ffmpeg.org//download.html
第五步. 配置pycharm, 下载项目工程代码
配置conda为pycharm的python解释器 （新加解释器)，下载自己的工程代码，运行和调试代码即可。
windows环境下 ffmpeg.exe和ffprobe.exe 添加至环境变量。将然后将这两个复制到你pytorch环境下
linux环境下 可以直接安装即可，如用 apt-get install ffmpeg, yum install ffmpeg等
本工程用的 ffmpeg-6.0-full_build
第六步. 结束

参考资料

cudatoolkit 和 cudnn 不能用pip来安装

1. pytorch和cuda的版本映射 https://pytorch.org/get-started/previous-versions/ // 用CUDA 11.8
2. onnx，CUDA和cuDNN的关系 https://onnxruntime.ai/docs/execution-providers/CUDA-ExecutionProvider.html
   #8.5.0.96 (Windows)， Tested with CUDA versions from 11.6 up to 11.8, and cuDNN from 8.2.4 up to 8.7.0
   3.英伟达安装cuda 文档
   https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html#install-cuda-software
   https://developer.nvidia.com/cuda-11-8-0-download-archive
3. 好的网络文章
   https://cloud.tencent.com/developer/article/2153193
   insightface 官网项目 https://insightface.ai/
   ffmpeg 官网 https://ffmpeg.org//download.html
   conda 官网 https://docs.conda.io/projects/conda/en/stable/index.html
4. anaconda 官网 https://anaconda.cloud/， 历史包 https://repo.anaconda.com/archive/