docker 配置 gpu版pytorch环境--部署缺陷检测--Anomalib-Toy模板网

这篇具有很好参考价值的文章主要介绍了docker 配置 gpu版pytorch环境--部署缺陷检测--Anomalib。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、docker 配置 gpu版pyhorch环境

1、显卡驱动、cuda版本、pytorch cuda版本三者对应

自行查看：三者对应版本信息

2、拉取镜像

直接在docker.hub中拉取pytorch镜像：找到自己所需要的环境 pytorch镜像

点击复制 devel 版链接

 docker pull pytorch/pytorch:1.9.1-cuda11.1-cudnn8-devel

二、部署Anomalib

1、下载Anomalib

Anomalib github 地址

2、创建容器并且运行

我们需要docker容器中运行Anomalib，所以需要把主机文件挂载到容器中

主机路径：/home/dell/ljn/anomalib

docker run -it --name="pytorch_docker" \
              --gpus=all \
              --shm-size=64G \	
              -v /home/dell/ljn/anomalib:/workspace/anomalib \
              pytorch/pytorch:1.9.1-cuda11.1-cudnn8-devel /bin/bash

没有加这一行--shm-size=64G在docker中运行pytorch会报错

ERROR: Unexpected bus error encountered in worker. This might be caused by insufficient shared memory (shm).
由于在docker镜像中默认限制了shm（shared memory）,然而数据处理时pythorch则使用了shm。这就导致了在运行多线程时会将超出限制的DataLoader并直接被kill掉。
--shm-size=64G：这里设置为64G，根据自身电脑性能进行设置
容器运行后可以看到挂载的目录

jn@ljn-Alienware-13:~/ai_project/anomalib$ ./run_docker.sh 
root@440738bd07a3:/workspace# ls
anomalib
root@440738bd07a3:/workspace#

验证

ncvv -V 
nvidia-smi

docker 配置 gpu版pytorch环境--部署缺陷检测--Anomalib,docker,pytorch,容器

3、安装Anomalib

进入项目路径

cd anomalib/anomalib-main

安装依赖

pip install update
pip install -e .
pip install wandb

测试：

执行
```
python tools/train.py 
```
运行报错：ImportError: libGL.so.1: cannot open shared object file: No such file or directory

需要安装opencv

apt-get update
apt-get install libopencv-dev

再次执行：python tools/train.py
报错ImportError: cannot import name 'KeypointRCNN_ResNet50_FPN_Weights' from 'torchvision.models.detection' (/opt/conda/lib/python3.7/site-packages/torchvision/models/detection/__init__.py)
torchvision 版本不兼容或缺少相关模块导致的，更新版本
```
pip install --upgrade torchvision
```
再次执行：python tools/train.py
运行成功：到此Anomalib项目部署完成
文章来源地址https://www.toymoban.com/news/detail-732051.html