步骤一：安装CUDA和CUDNN
参考教程：CUDA和CUDNN的安装和配置检查
注意：因为我的主机是RTX3080 只支持CUDA11.0及以上 这里就安装了11.0的CUDA
而且CUDA版本要跟CUDNN版本对应起来 我选的CUDNN是8.0的 具体安装和环境配置检查看上面的参考教程
如果是之前已经有别的版本的CUDA不用删除 可以多CUDA存在 具体参考教程----> 在win下安装多个版本的CUDA
CUDA官网链接
CUDNN官网链接
步骤二：安装DEEPLABCUT
参考官网：deeplabcut安装教程官网链接
1）把官网给的DEEPLABCUT.yaml文件下载下来 可以点开yaml这个文件看看 里面写了下载什么包
2）打开anaconda prompt进入DEEPLABCUT.yaml文件的下载目录 也可以直接把这个文件移到base环境初始目录就不用切换了
3）输入 conda env create -f DEEPLABCUT.yaml 就可以把deeplabcut环境需要的包安装好了 环境名字是DEEPLABCUT
4）激活环境 activate DEEPLABCUT
注意：官网给的安装文件里面默认安装最高版本的tensorflow 我安装下来里面python是3.8
可以用 conda list tensorflow 以及 conda list python 检查一下这个官网文件下下来的 tensorflow 和 python 都是什么版本
步骤三：安装torch
官网给的yaml文件里面没有torch 后面会报错提示安装torch所以安装一下 不会影响其他包的正常使用
小注意：pip安装包的时候记得把翻墙关了
5) pip安装torch包 指令： pip install torch
没有配置换源的 手动加个豆瓣源快一点 -i https://pypi.douban.com/simple 加在包后面
步骤四：安装tensorflow-gpu
官网给的yaml文件里面下下来的只有tensorflow（只用cpu训练) 没有tensorflow-gpu（这个是用gpu来训练）
注意：tensorflow版本和tensorflow-gpu要一致 同时tensorflow-gpu的版本要跟自己的CUDA对应 另外注意一下python版本
参考：tensorflow和CUDA以及python对应关系官网链接
我的CUDA是11.0对应的tensorflow-gpu是2.4.0 所以yaml文件下载下来的tensorflow版本过高 需要自己手动安装需要的版本 同时tensorflow的版本要跟tensorflow-gpu的版本一致 不然会有版本冲突的报错 安装新的就可以把之前旧的自动uninstall
6）pip安装tensorflow: pip install tensorflow==2.4.0
7) pip安装tensorflow-gpu: pip install tensorflow-gpu==2.4.0
步骤五：使用deeplabcut两种方式
方式一：使用deeplabcut GUI训练评估创建视频
C:\Users\xxx> ipython
In[1]: import deeplabcut
In[2]: deeplabcut.launch_dlc()
方式二：使用终端 参考指令链接----> 指令在该网页的图片中
指令中参数的具体解释参考链接
官方视频演示deeplabcut
注意：在创建训练集的时候要选择需要的预训练模型 每个模型第一次使用需要下载 这里要翻墙 不然下不下来连接出错
|