Dx's Tech Notes

环境

5 min read

这非常好！既然你有具体的安装列表，而且目标是**“快”，我们采用“混合极速安装法”**。

这套方案结合了 conda（解决难装的底层包）和 pip + 清华镜像（秒下通用包），只需三步，通常 3-5 分钟 就能全部搞定。

请确保你现在处于新的 (fast_FA) 环境中（如果还没激活，先运行 conda activate fast_FA）。

第一步：优先解决 Dlib（最难装的骨头）

dlib 如果用 pip 装需要现场编译 C++ 代码，极慢且容易报错。直接用 Conda 装编译好的二进制包，速度最快。

运行这个：

Bash

conda install -c conda-forge dlib=19.24 -y

第二步：安装 PyTorch（最大的包）

这是你脚本里原本的命令，虽然是从官方源下，但为了保证 CUDA 11.3 版本对应准确，我们维持原样（通常学校网络连 pytorch 官网速度还行）。

运行这个：

Bash

pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113

(如果这一步特别慢，告诉我，我给你换成国内镜像源的命令)

第三步：极速安装剩余所有包（魔法步骤）

剩下的包如果一个个 conda install 会一直转圈解算依赖（Solver）。

我们直接用 pip 配合 清华大学镜像源，把所有包合并成一条命令，瞬间起飞。

直接复制这一整段运行：

Bash

pip install numpy==1.21.5 pandas==1.4.2 Pillow==9.0.1 imageio==2.9.0 imgaug==0.4.0 \
tqdm==4.61.0 scipy==1.7.3 seaborn==0.11.2 pyyaml==6.0 imutils==0.5.4 \
opencv-python==4.6.0.66 scikit-image==0.19.2 scikit-learn==1.0.2 albumentations==1.1.0 \
efficientnet-pytorch==0.7.1 timm==0.6.12 segmentation-models-pytorch==0.3.2 \
torchtoolbox==0.1.8.2 tensorboard==2.10.1 \
-i https://pypi.tuna.tsinghua.edu.cn/simple

第四步：验证并开始训练

等上面三步跑完，你的环境就彻底就绪了。

  1. 进入代码目录：

    Bash

    cd /jsj_gz/dx/schoolFA

  2. 直接运行（现在你是 fast_FA 环境，直接输 python 即可）：

    Bash

    python train.py

这绝对比克隆快得多，快试试吧！

原因：你现在的系统是一个**最小化（minimized）**的 Linux 容器，而 opencv-python 这个库默认依赖一些图形渲染库（libGL.so.1），但最小化系统里为了省空间把这些删了。

✅ 解决方法：补上这个系统库

你只需要用 apt-get 安装这个缺失的库文件即可。请在终端执行以下命令（复制粘贴即可）：

Bash

apt-get update
apt-get install libgl1-mesa-glx -y

🔮 预防下一个报错

OpenCV 在最小化系统里通常还缺另一个库（libgthread）。为了防止你装完上面那个又报错，建议顺手把下面这个也装了：

Bash

apt-get install libglib2.0-0 -y

装完这两个后，再次运行 python train.py，应该就能顺利通过了！

✅ 补全这最后一公里

请直接运行下面的命令，把 CLIP 缺的两个伴侣都装上（为了保险，顺便装上 regex）：

Bash

pip install ftfy regex -i https://pypi.tuna.tsinghua.edu.cn/simple

# 1. 创建脚本文件
cat << 'EOF' > /jsj_gz/install_fast_FA.sh
#!/bin/bash
 
echo "🚀 开始自动部署极速环境..."
 
# 1. 安装 Miniconda 到系统盘 (如果不存在)
if [ ! -d "/root/miniconda3" ]; then
    echo "📦 正在安装 Miniconda..."
    bash /jsj_gz/dx/Miniconda3-latest-Linux-x86_64.sh -b -p /root/miniconda3
fi
 
# 2. 激活基础环境
source /root/miniconda3/bin/activate
 
# 3. 创建纯净环境 (Python 3.9)
echo "🐍 创建 Python 3.9 环境..."
conda create -n fast_FA python=3.9 -y
 
# 4. 激活新环境
source activate fast_FA
 
# 5. 安装系统缺失库 (解决 libGL 报错)
echo "🔧 安装系统底层库..."
apt-get update
apt-get install libgl1-mesa-glx libglib2.0-0 -y
 
# 6. 安装 Dlib (用 Conda 安装最快)
echo "⚡ 安装 Dlib..."
conda install -c conda-forge dlib=19.24 -y
 
# 7. 安装 PyTorch (官方源/指定版本)
echo "🔥 安装 PyTorch..."
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113
 
# 8. 安装其余所有包 (清华源秒下)
echo "📦 安装其余依赖包..."
pip install numpy==1.21.5 pandas==1.4.2 Pillow==9.0.1 imageio==2.9.0 imgaug==0.4.0 \
tqdm==4.61.0 scipy==1.7.3 seaborn==0.11.2 pyyaml==6.0 imutils==0.5.4 \
opencv-python==4.6.0.66 scikit-image==0.19.2 scikit-learn==1.0.2 albumentations==1.1.0 \
efficientnet-pytorch==0.7.1 timm==0.6.12 segmentation-models-pytorch==0.3.2 \
torchtoolbox==0.1.8.2 tensorboard==2.10.1 ftfy regex \
-i https://pypi.tuna.tsinghua.edu.cn/simple
 
echo "✅ 环境部署完成！请运行 'source /root/miniconda3/bin/activate fast_FA' 进入环境。"
EOF

Graph View