如何解决有没有办法在Ubuntu上具有GPU加速的Anaconda中使用新的TF2对象检测API？
GPU ： NVIDIA RTX 2070 Super x2（带nvlink aka fancy SLI）
操作系统： Ubuntu 20.04
TF版本：TensorFlow 2.x（尝试x = 0、1、2、3，但最初从2.1.0开始）
型号：SSD MobileNet v2 320x320
包装管理器：点子和蟒蛇
我的目标是使用对象检测API从Anaconda环境中重新训练该模型。在使用TF 2.1.0正确设置并测试了我的GPU并设置了Anaconda环境后，我从jupyter笔记本中使用以下命令安装了对象检测API：
protoc object_detection/protos/*.proto --python_out=.
cp object_detection/packages/tf2/setup.py .
python3 -m pip install .
安装过程顺利进行，但是那时候一切都破灭了。 Obj-Det API的对应构建轮完全破坏了我以前使用的设置，卸载/重新安装了我的TensorFlow版本（2.1.0-> 2.3.0），并修改了一些依赖项。发生这种情况时，我的整个conda环境基本上都爆炸了，什么也没起作用。我收到诸如“ xxx.utils中没有模块xxx”之类的错误，这基本上意味着我到处都有冲突的库。找不到Cuda工具包，我尝试使用pip和conda软件包管理器卸载并重新安装各种版本的TF，结果变得一团糟。
当我使用conda安装所有组件时，一切运行良好。但是基本上，当我不得不使用pip安装对象检测工具时，我的conda环境就吓坏了。有人想出一种让他们一起玩的好方法吗？在放弃之前，我大概花了8个小时来解决这个问题，卸载了anaconda，卸载了所有cuda工具包/相关库，所有tensorflow / board相关库，并且在没有Anaconda的情况下从头开始。最终，它可以对所有内容使用pip进行工作，并手动确保我对所有内容都具有正确的版本依赖性并正在接受培训，但是我想知道那里是否有人为对象检测2.0 w设置了稳定的TF2 Anaconda环境。 Linux（Ubuntu 18 / 20.04）上的/ Nvidia-GPU加速，可以正确利用他们的GPU。如果我可以在一个独立的环境中收集所有这些库，那就太好了，任何技巧（或理想的分步指南）都将不胜感激。
谢谢！
（PS：我使用this colab来帮助指导我的过程，尽管我经常使用不同的数据集在本地运行所有内容，并使用SSD Mobilenet 320x320模型而不是模型中列出的任何模型。 colab）
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。