shaynerain的博客

在之前的介绍中可以直接使用Docker的GPU版本来进行训练等操作，现在基于这里继续写一下如何准备TensorSpeech下的TensorFlowTTS。

在之前的文章中介绍过在Docker中安装SSH来同步代码，之前使用的是代码同步，同步来同步去总归比较麻烦，这里有新的方法可以使用，直接使用挂载目录功能，把电脑上的目录挂载到容器里面去，这样可以直接来修改代码，而不用担心同步问题。

目标检测首先就要认清楚两个东西，现在官方推荐使用models.official.vision进行，但目前位置文档较少，无法很好的开始。所以用版本1流行的models.research.object_detection，目前该模块已经添加了对版本2的支持，虽然已经弃用。在前面文章，已经完成了在Docker里面运行代码，并且在外部的Pycharm中调试，基本上Tensorflow的官方教程上面简单的东西都可以跑，接下来开始整理目标检测。设置临时环境变量，根据自己的路径来设置，设置的是protoc/bin。

根据笔记四，已经正常在Docker里面可以运行，但是文件复制来复制去，总归麻烦，想要简单些，能远程直接调试，虽然可以挂载盘上去（还没有研究），但是我更喜欢SSH直接连接上进行远程调试，其他主机也可以连接上来进行调试，这里记录过程。

经过在学习的过程发现，很多时候想要在GPU上训练一些目标分类等是非常困难的，如果只是训练一些简单的脚本还好，但是要利用现有的脚本来训练困难重重；经过多次测试，发现使用Docker来支持GPU是最简单的方法，这里做总结。

基本上按照上面来的都是不成功。。。。。。

为了能直接运行官方的jupyter文件，这里直接安装该环境，能快运行和验证官方示例安装完成后即可在Pycharm中运行，也可在命令行中运行，这里不再过多描述。

python -V我的版本信息为 python3.10.11从官网可看到说是Python只支持3.6-3.9，但实际上运行安装也是成功的。