deep_sort之cosine_metric_learning环境搭建

该博客详细介绍了如何在Ubuntu18.04上配置Tensorflow1.15.0的GPU版本,包括CUDA10.0和CUDNN7.6.0的安装,以及解决过程中可能出现的问题,如Tensorboard的冲突和内存限制。此外,还涉及了numpy版本的匹配和运行时的GPU内存管理设置。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

系统环境

1、ubuntu18.04
2、anaconda3/python3.7
3、RTX2080
4、cuda_10.0.130_410.48_linux.run
5、cudnn-10.0-linux-x64-v7.6.0

检查环境:

which pip
pip list

确定在anaconda3/python3.7/中

一、安装cosine_metric_learning

深度余弦度量学习
[cosine metric learning]
https://github.com/nwojke/cosine_metric_learning

1、安装tensorflow_gpu 1.15.0

pip install tensorflow_gpu==1.15.0  -i  http://mirrors.aliyun.com/pypi/simple/

由于cosine_metric_learning的实际开发是基于tensorflow 1.x ,实际安装的tensorflow_gpu需为1.x版本,安装tensorflow_gpu1.15.0版本时,出现过2.0经过警告,并且cudnn的版本需为7.6.0版本

2、安装tensorboard 1.15.0

用于信息tensorflow可视化信息显示
tensorflow_gpu时会自动安装。
如果没自动安装可手动安装

pip install tensorboard==1.15.0

运行时如遇报错:

...
ValueError: Duplicate plugins for name projector

删掉:anaconda3/lib/python3.7/site-packages/tensorboard-1.15.0.dist-info
参考网址:
https://blog.youkuaiyun.com/Avada_533/article/details/102223823

3、安装numpy 1.18.0

pip install numpy==1.18.0  -i  http://mirrors.aliyun.com/pypi/simple/

原本环境中的numpy版本时1.18.0,numpy版本需与tensorflow版本相对应

二、运行时

运行时会由于没有限制内存,需在queued_trainer.py 405行添加两行代码

config = tf.compat.v1.ConfigProto(gpu_options=tf.compat.v1.GPUOptions(allow_growth=True))
sess = tf.compat.v1.Session(config=config)

参考
https://blog.youkuaiyun.com/qq_44761397/article/details/107816110

评论 1
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