安装CUDA

• 访问CUDA官方下载页面。
• 根据你的操作系统选择合适的CUDA安装包。
• 选择run文件并按照提示安装。如果 Catherine 惯用的是 Debian/Ubuntu 系统，可以使用sudo dpkg -i <下载文件>命令安装。

安装CuDNN

• 当安装完成CUDA后，安装CuDNN。
• 访问[NVIDIA的CuDNN官网](https://developer.nvidia.com/cudnn downloads)。
• 根据你的操作系统和CUDA版本选择对应的CuDNN版本。
• 选择run文件并运行安装脚本。这会将CuDNN库文件安装到默认路径，例如/usr/local/lib/cudnn/...。

验证安装

• 打开终端，运行以下命令验证CUDA和CuDNN是否安装成功：

nvidia-smi  # 应该显示CPU和GPU的负载情况cat /usr/local/lib/cudnn/version.h  # 查看CuDNN版本

如果没有错误信息，说明安装成功。

查看当前MxNet版本

• 打开终端，运行：

pip list  # 查看当前安装的Python包

• 检查mxnet版本是否为支持版本。例如，LFFD适配mxnet >= 2.12。

升级MxNet

• 如果当前版本过旧，可考虑升级：

pip install --upgrade mxnet-cuda

• 老旧版本的MxNet可能会影响模型训练效率，升级后可能需要重新检查依赖项。

检查MxNet配置文件

• 打开训练脚本中的配置文件（如configuration_10_320_20L_5scales_v2.py），查找以下内容：

# 是否需要添加MxNet Python路径# if needmxnet_python_path:#   import os#   mxnet_python_path = "/home/HEYONGHAO/libs/incubator-mxnet/python"#   sys.path.append(mxnet_python_path)

• 如果系统默认的Python路径已经包含在sys.path中，无需手动添加。如果添加了旧版本的路径，建议将其注释掉或直接使用默认路径。

卸载现有的OpenCV

• 执行以下命令，确保系统中的现有OpenCV版本被完全卸载：

pip uninstall opencv-python opencv-contrib-python

• 找到~/.local目录，删除可能残留的OpenCV文件和版本文件。

安装正确版本

• 使用以下命令安装OpenCV：

pip install opencv-python==3.4.5.20

• 这个版本是经过测试的稳定版本，确保与MxNet-LFFD兼容。

验证安装

• 运行以下代码测试：

import cv2print(cv2.__version__)

• 如果版本确实是3.4.5.20，说明安装成功。

修改批处理配置

• 打开训练脚本，调整批处理大小参数：

# 原始参数可能为 train_config = {'batch_size': 16}# 或者配置文件中的参数设置

• 通常建议设置为16或32，具体取决于显存容量。

运行测试

• 用较小的批处理大小重新运行训练脚本，确保没有内存溢出的问题。