当前位置：首页 > news >正文

pytorch算力与有效性分析

news 文章来源：https://blog.csdn.net/zhouxinxin111/article/details/128380682 2025/5/9 21:54:59

pytorch

Windows中安装深度学习环境
- 参考文档
- 机器环境说明
- - 3080机器 Windows11
  - - qt_env 满足遥感CS软件分割、目标检测、变化检测的需要
    - gtrs 主要是为了满足遥感监测管理平台（BS）系统使用的，无深度学习环境内容
    - swin_env 与 qt_env 基本一致
    - od 用于慧眼守土目标检测服务的，与qt_env基本一致，比其高0.0.1
  - 1080机器
  - 3060机器
- 算力分析
- 查看CUDA信息
- CUDA/CUDA toolkit(pytorch)等区别和关系
- Nvidia的CUDA和CUDNN下载地址
- Nvidia的CUDA和CUDNN的安装及检测方法
- 环境安装
- 测试环境的准确性代码
stanet
Linux环境中安装深度学习环境
- Linux 基础回顾
- 有三种方法助你走进Ubuntu新世界。
- 切换输入法
- Ubuntu 下安装深度学习环境
- - 整体
  - CUDA 10.2
- xmanager 连不上是因为网络服务ssh没有开通
- 在linux桌面上创建程序执行的图标
- linux 运行SVN
- 测试GPU是否可以用？
- 启动深度学习模型训练
特定的网络
- STANET
- - visdom安装与可视化
Pytorch 知识点
- BCWH
- pytorch中文帮助文档
- visdom安装与基本用法
- pip install 安装包
- conda 常用命令
- - 克隆/复制虚拟环境：想在之前环境基础上再填点其他东西，但有时候会发生一些情况改变以前的环境，建议再创建一个新的环境或者直接clone一份之前的环境（推荐）。
  - 虚拟环境删除
添加清华镜像源
搜索时显示地址
- 虚拟环境拷贝后提示有致命错误
- 常见报错
- - “OSError: [WinError 1455]页面文件太小，无法完成操作。”
- mklink
重要的参考库和URL

Windows中安装深度学习环境

参考文档

Windows端pytorch镜像快速安装
https://blog.csdn.net/Thebest_jack/article/details/123455215?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522167150520516800215058539%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=167150520516800215058539&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_ecpm_v1~hot_rank-9-123455215-null-null.142^v68pc_rank_34_queryrelevant25,201^v4add_ask,213^v2t3_control2&utm_term=windows%203080%20%20pytorch%20&spm=1018.2226.3001.4187

机器环境说明

3080机器 Windows11

CUDA cuda_11.1.0_456.43_win10
CUDNN cudnn-11.1-windows-x64-v8.0.5.39
Python3.9

多个虚拟环境

qt_env 满足遥感CS软件分割、目标检测、变化检测的需要

组件名称	组件版本信息	其他说明
torch	1.8.0+CU111	因为需要满足stanet的代码运行要求，所以不能超过1.8.0
torchvision	0.9.0+CU111
visdim	0.2.3
GDAL	3…1.4

gtrs 主要是为了满足遥感监测管理平台（BS）系统使用的，无深度学习环境内容

swin_env 与 qt_env 基本一致

在swin_env 的基础上安装mmcv
https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html
./mmcv_full-1.6.1-cp39-cp39-win_amd64.whl

od 用于慧眼守土目标检测服务的，与qt_env基本一致，比其高0.0.1

1080机器

3060机器

算力分析

RTX 3080 12 GB显卡发布:8960个CUDA。
NVIDIA GeForce RTX 3080 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
在这里插入图片描述
NVIDIA GeForce RTX 3080 Ti with CUDA capability sm_86意思是RTX 3080 Ti的算力是8.6，而当前安装好的pytorch最高只支持到7.5算力的显卡，也就是说显卡算力和pytorch版本不匹配。要测试显卡算力与当前pytorch是否匹配，可以进入python命令行，依次输入如下两行代码：

import torch
torch.zeros(1).cuda()

————————————————
版权声明：本文为CSDN博主「zeeq_」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_44120025/article/details/121747212

查看CUDA信息

NVIDIA-smi
在这里插入图片描述
这个方法不对，这里的11.6 指的是可驱动的最高版本，下载CUDA的版本应低于11.6。

正确的方法应该是：
nvcc -V
在这里插入图片描述
前者可以查看到信息，而后者查看不到的原因是？
https://blog.csdn.net/baidu_30506559/article/details/121908428?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1-121908428-blog-125822005.pc_relevant_3mothn_strategy_recovery&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1-121908428-blog-125822005.pc_relevant_3mothn_strategy_recovery&utm_relevant_index=2

CUDA/CUDA toolkit(pytorch)等区别和关系

一、CUDA/cudnn/CUDA Toolkit/NVCC区别简介
参考 Pytorch 使用不同版本的 cuda

CUDA：为“GPU通用计算”构建的运算平台。
cudnn：为深度学习计算设计的软件库。
CUDA Toolkit (nvidia)： CUDA完整的工具安装包，其中提供了 Nvidia 驱动程序、开发 CUDA 程序相关的开发工具包等可供安装的选项。包括 CUDA 程序的编译器、IDE、调试器等，CUDA 程序所对应的各式库文件以及它们的头文件。
CUDA Toolkit (Pytorch)： CUDA不完整的工具安装包，其主要包含在使用 CUDA 相关的功能时所依赖的动态链接库。不会安装驱动程序。
（NVCC 是CUDA的编译器，只是 CUDA Toolkit 中的一部分）
注：CUDA Toolkit 完整和不完整的区别：在安装了CUDA Toolkit (Pytorch)后，只要系统上存在与当前的 cudatoolkit 所兼容的 Nvidia 驱动，则已经编译好的 CUDA 相关的程序就可以直接运行，不需要重新进行编译过程。如需要为 Pytorch 框架添加 CUDA 相关的拓展时（Custom C++ and CUDA Extensions），需要对编写的 CUDA 相关的程序进行编译等操作，则需安装完整的 Nvidia 官方提供的 CUDA Toolkit。
————————————————
版权声明：本文为CSDN博主「健0000」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_41094058/article/details/116207333

Nvidia的CUDA和CUDNN下载地址

CUDNN 下载：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-111
CUDA历史版本下载：https://developer.nvidia.com/cuda-toolkit-archive

Nvidia的CUDA和CUDNN的安装及检测方法

https://blog.csdn.net/yang4123/article/details/127188279

环境安装

第一步：历史的版本，在这边：https://pytorch.org/get-started/previous-versions/
第二步：找到对应的语句：
pip3 install torch1.8.1+cu111 torchvision0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
RTX3080需要用到CUDA11.1
第三步：然后去到网址下手工下载下来，然后pip手动安装；

测试环境的准确性代码

import torch
import time
import torchvision
torch.zeros(1).cuda()
# RTX 3080的算力是8.6，但是当前的PyTorch依赖的CUDA版本支持的算力只有3.7、5.0、6.0、6.1、7.0、7.5及3.7以下# 测试gpu计算耗时
A = torch.ones(5000, 5000).to('cuda')
B = torch.ones(5000, 5000).to('cuda')
startTime2 = time.time()
for i in range(100):C = torch.matmul(A, B)
endTime2 = time.time()
print('gpu计算总时长:', round((endTime2 - startTime2) * 1000, 2), 'ms')# 测试cpu计算耗时
A = torch.ones(5000, 5000)
B = torch.ones(5000, 5000)
startTime1 = time.time()
for i in range(100):C = torch.matmul(A, B)
endTime1 = time.time()
print('cpu计算总时长:', round((endTime1 - startTime1) * 1000, 2), 'ms')print("test")

stanet

stanet 环境不能超pytorch1.8版本 CUDA 10.2 pythorch 1.8 torchversion 0.9 torchaudio 0.8
stanet报错 RuntimeError: The size of tensor a (64) must match the size of tensor b (3) at non-singleton dimension 1 图片格式的问题，必须是png
从这边去作查询：https://download.pytorch.org/whl/torch_stable.html
conda install pytorch1.8.1 torchvision0.9.1 torchaudio==0.8.1 cudatoolkit=11.3 -c pytorch -c conda-forge
运行 STANET
Gevent 是一个协作式多任务库。它的工作方式是您，程序员，将您的代码组织成称为 greenlets 的工作单元。当给定的 greenlet 正在运行时，它会单独运行。当它到达一个会阻塞的点时，也就是说，它必须等待一些外部信号，如文件、超时、我们的网络数据，greenlet 应该通过向 gevent 发送信号来进行合作，gevent 会安排其他一些 greenlet 运行。
————————————————
版权声明：本文为CSDN博主「不瘦8斤的妥球球饼」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43570470/article/details/124985575
@pytorch_wrap
image_numpy.transpose
Collection.OrderedDict
assert
修改可视化版本visdom=0.1.8.8；
scipy=1.1.0：因为1.2.0版本的scipy没有 imread,也会报错。
pip install scipy -i https://pypi.douban.com/simple/
visdom

Linux环境中安装深度学习环境

Linux 基础回顾

1.Linux的特点：免费，开源，高性能；
2.1999年RedHat得到IBM的合作，意味着大公司承认他了；之后Oracle，sun 等大公司都支持
3.为了节约成本，会有大量的window程序迁移到Linux。
4.Linux最小需要4M，而win98 64M，XP128M
5.学东西很多东西可以看一看，但是不能什么都研，有一门就可以了。
第十讲：
1.网络邻居可以解决两个win操作系统的网络文件共享；而 win和Linux两台机器的文件共享怎么办，通过Samba服务安装后，使得linux文件可以共享
2.什么是shell 所有命令都会被系统重新解析成linux内核可以识别的工具，就是shell 用户输入命令只是shell使用的一个方面里面还有代码开发，使用shell编程相当于dos的批处理文件。在一个linux 中装了几种shell

大陆一般用的是 /bin/sh 欧洲常用 /bin/ksh
如何修改shell
a 查看目前使用的是哪种shell env (该命令用于查看环境变量 ) 用于查看明确操作系统的情况呢
b 修改使用的 shell chsh -s /bin/csh
3.命令补全功能：非常有用，

Linux挂载
1.首先将window 文件制作成为 iso文件；
2.挂载iso 文件；
3.启动Linux系统；
4. 在Root用户下，运行： mount -o loop /dev/cdrom /mnt
之后ls /mnt

6.安装tgz文件，tar -zxvf 文件名

有三种方法助你走进Ubuntu新世界。

虚拟机安装原料：Ubuntu Kylin的ISO、VMware或VirtualBox 优点：一条龙服务，安全简单缺点：用户体验差，隔靴搔痒
Wubi安装原料：Ubuntu Kylin的ISO、wubi.exe 优点：即点即用，默认Windows开机引导缺点：易死机，待机和网络易出问题
U盘安装原料：Ubuntu Kylin的ISO、UltraISO、EasyBCD、U盘(>=2G) 优点：简单安全，正牌双系统缺点：默认Ubuntu开机引导；

http://www.manongjc.com/detail/51-eaztavmgwijzwka.html

切换输入法

Ubuntu中切换中/英文输入法是：win键+空格键
安装输出法
https://blog.csdn.net/weiguang102/article/details/122522271
全局变量的设置方法
https://blog.csdn.net/weixin_42306148/article/details/122149712
sudo gedit ~/.bashrc
export PATH=“/home/name/anaconda3/bin:$PATH”

Ubuntu 下安装深度学习环境

整体

CSDN 上高查看率的文档：https://blog.csdn.net/wuzhiwuweisun/article/details/82753403?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166608764016782391841005%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=166608764016782391841005&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_ecpm_v1~hot_rank-1-82753403-null-null.142^v58control_1,201^v3control&utm_term=ubuntu18.04%20%20gtx1080ti%20pytorch&spm=1018.2226.3001.4187
python3.8:
下图发现Ubuntu18.04自带Python3.6与2.7版本。要再安装一个3.8的版本参考https://blog.csdn.net/m0_55986434/article/details/123410860 可以切换优先级数字越大优先级越高；
anaconda
主要参考了：https://blog.csdn.net/KIK9973/article/details/118772450 使用的版本是2021-5的，不要用太老的，此外是从清华的源上面下载的https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
安装的地质：gtis/home/anaconda3下，安装的过程实际上是解压包的过程；
需要添加环境变量
https://www.csdn.net/tags/Mtjagg2sMjA4ODQtYmxvZwO0O0OO0O0O.html
显卡驱动470 11.4 这个实际是无效的，要用nvcc -V来查看实际的cuda的版本信息；
自动走系统更新的；
CUDA10.2
主要参考：https://blog.csdn.net/hongyiWeng/article/details/121233439，采用的安装方式是wget；
会出现s段错误的问题
https://blog.csdn.net/weixin_54787250/article/details/125648992
每次到99%的时候就自动报错了，这是一个非常尴尬的事情；
https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
安装的时候需要把dirver给去除掉，不然会报错的； https://blog.csdn.net/hongyiWeng/article/details/121233439
cudnn 8.2.2
主要参考：https://blog.csdn.net/mao_hui_fei/article/details/121140152
注册的用户名和密码 zhouxinxin@njupt.edu.cn zxxGtis@123
安装deb的方法
https://javaforall.cn/143820.html

pytorch 的相关安装
https://pytorch.org/get-started/previous-versions/

CUDA 10.2

conda install pytorch1.12.0 torchvision0.13.0 torchaudio==0.12.0 cudatoolkit=10.2 -c pytorch
系统：Ubuntu18.04 桌面版
显卡：GTX1080 Ti

这个方案太高了；
pytorch 直接在线安装会下载高版本的，用不了，需要用低版本的；

pip install torch1.8.1+cu111 torchvision0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

xmanager 连不上是因为网络服务ssh没有开通

Failed to start sshd.service: Unit sshd.service not found.
https://blog.csdn.net/TanCairo/article/details/104363915
主要是因为防火墙没有关闭

在linux桌面上创建程序执行的图标

https://blog.csdn.net/hgq522/article/details/121326710?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1-121326710-blog-126240505.pc_relevant_3mothn_strategy_and_data_recovery&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1-121326710-blog-126240505.pc_relevant_3mothn_strategy_and_data_recovery&utm_relevant_index=1

linux 运行SVN

https://blog.csdn.net/sinolover/article/details/121244587
svn checkout https://218.94.2.162:6001/svn/jsfzzx/技术发展中心科研组/63-GeoAI2022/02GeoAI_Sub_Projects/Model_Baseline
zxx
zhouxinxin
gtis

测试GPU是否可以用？

https://jamesbobo.blog.csdn.net/article/details/103116903?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1-103116903-blog-122089421.pc_relevant_multi_platform_whitelistv3&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1-103116903-blog-122089421.pc_relevant_multi_platform_whitelistv3&utm_relevant_index=2
代码已经写了，位置在：
/home/gtis/002project/001linux_learn/test_cuda.py

启动深度学习模型训练

会出现电脑自动重启的情况，此时需要设置降低GPU 的功率
https://blog.csdn.net/weixin_43587572/article/details/116201354

特定的网络

STANET

visdom安装与可视化

https://blog.csdn.net/weixin_44751294/article/details/115329162

Pytorch 知识点

BCWH

[batch_size，channels，width，hight]

pytorch中文帮助文档

https://pytorch-cn.readthedocs.io/zh/latest/package_references/functional/#distance-functions

visdom安装与基本用法

https://blog.csdn.net/weixin_44751294/article/details/115329162
python -m visdom.server
http://localhost:8097

pip install 安装包

pip install -U scikit-learn -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install scipy -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

conda 常用命令

克隆/复制虚拟环境：想在之前环境基础上再填点其他东西，但有时候会发生一些情况改变以前的环境，建议再创建一个新的环境或者直接clone一份之前的环境（推荐）。

conda create -n new_env --clone exist_env
new_env 是自己新创建的虚拟环境名称
exist_env 是被复制的已经存在的环境名称
一定要看清楚，new_env 在克隆之前是不存在的。 exist_env虚拟环境在克隆之前是存在的。
————————————————
版权声明：本文为CSDN博主「Vertira」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Vertira/article/details/128089206

虚拟环境删除

conda remove -n 虚拟环境名称 --all

查看源信息
conda config --show-sources

恢复源的出厂设置
conda config --remove-key channels

添加新的源地址

添加清华镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

搜索时显示地址

conda config --set show_channel_urls yes

设置源ssl验证为false
conda config --set ssl_verify false

创建指定python版本的虚拟环境
conda create -n orclconn34 python=3.4

1.问题描述
window10环境下，使用Anaconda安装相关依赖包时，报错：Caused by SSLError("Can’t connect to HTTPS URL because the SSL module is not available)
2.解决办法
原因是anaconda没有安装好，环境变量没有配置成功，需要添加三条环境变量；
E:\anaconda;
E:\anaconda\Scripts;
E:\anaconda\Library\bin

虚拟环境拷贝后提示有致命错误

https://blog.csdn.net/PSpiritV/article/details/122993602?ydreferer=aHR0cHM6Ly93d3cuYmFpZHUuY29tL2xpbms%2FdXJsPWhvb0FhNW1UQTRKd3NpbGw2ZDRTTXA5ckdtLWFIVjBvT2d4VGVhU2dJeVB1eERucTZSRnd1WksxX0ZNVW83a1R5ODJUZUhTeXNQeFpwZ1doXzh3anh5OV9CSWszRElMaXNnWlVFZHNjdFVlJndkPSZlcWlkPWI2NGY1ZWY3MDAwOTJkYmEwMDAwMDAwNDY0MmFhNDBm
在新地址中激活虚拟环境，然后使用命令【python -m pip install --upgrade --force-reinstall pip】

常见报错

“OSError: [WinError 1455]页面文件太小，无法完成操作。”

https://blog.csdn.net/weixin_46133643/article/details/125042903

mklink

link（生成的文件夹链接） target(原来的文件夹）
mklink /J “D:\test1” “E:\test1”
mklink /J “E:\002code_running\01GeoAI_Main_Project\01Code\universal_platform\ai_detection\model” “E:\003AI_models\地理智能引擎2.0模型\model”

重要的参考库和URL

影像变化检测awesome: https://github.com/wenhwu/awesome-remote-sensing-change-detection
影像分割awesome: https://github.com/Tramac/awesome-semantic-segmentation-pytorch 这个代码值得一试；
影像分割：https://gitee.com/chinawindofmay/awesome-semantic-segmentation#datasets
商汤MMSegmentation：https://github.com/open-mmlab/mmsegmentation
百度paddle rs: https://github.com/PaddlePaddle/PaddleRS
百度paddle seg:https://github.com/PaddlePaddle/PaddleSeg
遥感的各种数据集
https://github.com/PaddleCV-SIG/PaddleRS/blob/develop/docs/data/dataset_summary.md
变化检测数据集
主要资源可以从sigma网站获取；http://sigma.whu.edu.cn/resource.php
https://zhuanlan.zhihu.com/p/391557545?ivk_sa=1024320u
传统变化检测方法 https://github.com/abhijeet3922/Change-Detection-in-Satellite-Imagery
变化检测高分值网站：https://github.com/dgtlmoon/changedetection.io
swintransformer的微软项目地址：https://github.com/microsoft/Swin-Transformer
imagenet数据集的地址： http://image-net.org/
mini imagenet数据集下载地址：https://lyy.mpi-inf.mpg.de/mtl/download/Lmzjm9tX.html