记录一次在Ubuntu18.04系统安装PaddlePaddle的过程经历。
Ubuntu18.04 安装PaddlePaddle
环境配置
1.首先确认依赖项的安装，根据Paddle官方页面给出的信息，Ubuntu18.04只支持CUDA10.0/10.1（不支持CUDA10.2）
在NVIDIA开发者页面下载CUDA10.1
选择最新的CUDA10.1 update2
安装平台选择Linux，x86_64，Ubuntu，18.04，runfile
在终端输入以下指令
1 2
wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run sudo sh cuda_10.1.243_418.87.00_linux.run
下载会花一些时间
等下载完后运行.run文件，打开安装界面
如果已经安装过NVIDIA driver并且版本在418.39以上（参考https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#abstract），可以不选择driver的安装，其他都勾选上
上一步中，如果没有安装driver，安装完成会提示没有安装CUDA toookit中的driver，但是没有关系，通过
nvcc -V命令或者nvidia-smi命令都可以看到CUDA和driver已经安装好的版本号
2.下一步安装cudnn，PaddlePaddle要求CUDA10.1的cudnn对应为7.3+，这里选择安装最新的cudnn7.6.5，注意要CUDA10.1的版本
这里有两种选择方式，一种是旧版的tgz压缩包安装，另一种是新版的deb包安装
选择cuDNN Library for Linux下载压缩包
进入下载路径解压，并进入文件夹
1
tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz
将下列文件拷贝到CUDA Toolkit的路径下
1 2 3
sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
或者选择cuDNN Runtime Library for Ubuntu18.04 (Deb)下载deb包
进入下载路径，安装deb包
1
sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
验证cudnn是否安装成功
如果上一步用的是tgz安装，查看cudnn版本：
1
2
3
```
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
```
如果上一步用的是deb安装，查看cudnn版本：
1
2
3
```
dpkg -l | grep cudnn
```
到此为止PaddlePaddle所需要的依赖项都安装完成，重启Linux使安装生效（否则安装完PaddlePaddle可能会提示没有GPU）
回到PaddlePaddle的官方页面选择安装方式，选用Ubuntu+pip+python3+CUDA 10
执行pip3安装PaddlePaddle
1
python3 -m pip install paddlepaddle-gpu==1.7.1.post107 -i https://mirror.baidu.com/pypi/simple
如果人在海外可以不加源地址，不指定paddlepaddle版本号，速度也很快
1
python3 -m pip install paddlepaddle-gpu
安装完成后进入python3界面验证是否安装完成
1 2
>>> import paddle.fluid >>> paddle.fluid.install_check.run_check()
如果出现
Your Paddle Fluid is installed successfully!，则安装成功如果在import时提示
Compiled with WITH_GPU, but no GPU found in runtime.，很有可能是安装完CUDA和cudnn后没有重启，重启过后即可成功验证
PaddleSeg配置实践
安装下载
PaddlePaddle安装 https://www.paddlepaddle.org.cn/install/quick
PaddleSeg库文件 https://github.com/PaddlePaddle/PaddleSeg
1
git clone https://github.com/PaddlePaddle/PaddleSeg
用百度的AI Studio克隆仓库速度比较慢，本地克隆很快
PaddleSeg依赖
通过以下命令安装python包依赖，因为本地环境同时存在python2和3两个版本，之前安装PaddlePaddle是通过python3安装，所以这里用pip3安装依赖（基本在PaddlePaddle安装的时候已经装过了）
1 2
cd PaddleSeg pip3 install -r requirements.txt
※ 这里安装的时候PyYAML出现如下提示
1
ERROR: Cannot uninstall 'PyYAML'. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall
解决方案：
1
sudo -H pip3 install --ignore-installed PyYAML
测试运行
这里直接使用PaddleSeg提供的预训练模型进行测试 https://github.com/PaddlePaddle/PaddleSeg/blob/release/v0.4.0/docs/model_zoo.md
1 2
cd PaddleSeg/prertrained_model python3 download_model.py fast_scnn_cityscapes
fast_scnn_cityscapes可以换成其他模型，在model zoo中进行选择
下载cityscapes数据集
1 2
cd PaddleSeg/dataset python3 download_cityscapes.py
导出预训练模型
1 2
cd PaddleSeg/pdseg python3 export_model.py --cfg configs/cityscape_fast_scnn.yaml TEST.TEST_MODEL pretrained_model/fast_scnn_cityscapes
Python预测部署 https://github.com/PaddlePaddle/PaddleSeg/tree/release/v0.4.0/deploy/python
在终端输入以下命令：
1 2
cd PaddleSeg python3 deploy/python/infer.py --conf=freeze_model/deploy.yaml --input_dir=/path/to/dataset --use_pr=False
最后一个参数是是否使用优化，详见https://github.com/PaddlePaddle/PaddleSeg/tree/release/v0.4.0/deploy/python
模型只接受.jpg和.jpeg后缀的图片，数据集如果是.png格式需要将图片的后缀都改成.jpg 在终端输入以下命令
1
ls -1 *.png | xargs -n 1 bash -c 'convert "$0" "${0%.png}.jpg"'命令选项的说明：
1 2 3 4
-1 -告诉 ls 每行列出一个图像名称的选项标识 -n – 指定最多参数个数，例子中为 1 -c – 指示 bash 运行给定的命令 ${0%.png}.jpg – 设置新转换的图像文件的名字，% 符号用来删除源文件的扩展名（Ai Studio不能使用convert，不能转换）