发布于2021-07-25 07:30 阅读(471) 评论(0) 点赞(25) 收藏(3)
1 在gitHub里下载了压缩包
2pycharm里面打开
3项目下新建虚拟环境env
步骤:file->setting->python interpreter->add->Virtualenv Environment
4 git 工具安装好 file->setting->python interpreter->tools->Terminal
5 使用Linux服务器的GPU,用到的工具Xshell
6 Linux 建立文件夹
显示当前目录命令ll
进入主目录命令 cd /data
进入分目录命令 cd Username/
创建文件夹命令 mkdir Username 同理Program, Data,Project
wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.7.10-Linux-x86_64.sh 下载命令(sample)
chomd a+x Miniconda3-py37_4.9.2-Linux-86_64.sh 给所有用户给予文件可执行权限
bash Miniconda3-py37_4.9.2-Linux-86_64.sh 安装文件
将minicoda里面的python设置当前用户的全局变量:
export PATH=/data/Lisa/Program/miniconda3/bin/python3.7$PATH
注意:
7连接Pycharm : Tools->Deployment->Configuration
8在使用GPU时,如果一张卡够用,没有多卡并行,使用以下代码:
具体可百度:
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "2"# 2是GPU编号(四张卡一般是0,1,2,3)
export P=/usr/local/cuda-11.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64$LD_LIBRARY_PATH
export PATH=/data/Lisa/Program/miniconda3/bin/python:$PATH
export PYTHON_INCLUDE_PATH=/data/Lisa/Program/miniconda3/include/python3.7m:$PYTHON_INCLUDE_PATH
vim .bashrc nvidia-smi -l 看卡的型号来指定哪一张卡来加速
9 准备执行项目
sudo add-apt-repository ppa:djcj/hybri 安装ffempg 命令
ls 查看目录命令
pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html 安装pytorch的命令
python image_animation.py -i Inputs/trump2.png -c checkpoints/vox-cpk.pth.tar -v 1.mp4
执行命令
10 在xshell查看项目
11文件下载
下载服务器上的文件可以用这个软件
原文链接:https://blog.csdn.net/yangxue_mifen/article/details/119044332
作者:机甲战士
链接:http://www.pythonpdf.com/blog/article/536/689a56279e397c233d46/
来源:编程知识网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容:(最多支持255个字符)
投诉与举报,广告合作请联系vgs_info@163.com或QQ3083709327
免责声明:网站文章均由用户上传,仅供读者学习交流使用,禁止用做商业用途。若文章涉及色情,反动,侵权等违法信息,请向我们举报,一经核实我们会立即删除!