wsl + rtx4070laptop 运行deepfacelab

jmx

星级打分

• 1
• 2
• 3
• 4
• 5

平均分:NAN  参与人数:0  我的评分:未评

      最近在入门深度学习, 可是论文看的太痛苦, 平时也只用过win跑过模型, 听说有些模型只能在linux下跑, 所以尝试一下用linux跑模型的感觉, 但自己又不想装双系统, 于是就用wsl2来尝试一下.
      先说遇到的问题:能检测到GPU, 但使用不了GPU(eg. face detected: 0; 查看任务管理器发现GPU根本不在使用). 但使用CPU倒是可以.
配置:
      wsl2 + ubuntu22.04 + RTX4070 laptop
      如何解决:我对于GPU不能使用的理解是github上linux版本太老了, 或者说上面要安装的cuda版本不适合40系显卡了, 所以我们要修改cuda和cudnn版本. 但是, 修改完cuda和cudnn后, 还要连带的修改很多其他的包, 很容易出现不匹配的问题(头疼)
      自己尝试过修改cuda和cudnn版本, 并通过conda search查找其他包对应的版本, 可是出现了很多不匹配的问题, 今天偶然看见github上有人issue有关问题, 并给出了解决方法, 尝试了一下, 果然不错.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
      解决方法: conda创建环境时修改cuda和cudnn版本, 同时修改requirements-cuda.txt.
      创建文件environment.yml,  并填入以下内容

1. name: deepfacelab
   
2. channels:
   
3. - nvidia/label/cuda-11.8.0
   
4. - main
   
5. - conda-forge
   
6. - defaults
   
7. dependencies:
   
8. - _libgcc_mutex=0.1=main
   
9. - _openmp_mutex=5.1=1_gnu
   
10. - ca-certificates=2023.11.17=hbcca054_0
    
11. - certifi=2023.11.17=pyhd8ed1ab_0
    
12. - cuda-cccl=11.8.89=0
    
13. - cuda-command-line-tools=11.8.0=0
    
14. - cuda-compiler=11.8.0=0
    
15. - cuda-cudart=11.8.89=0
    
16. - cuda-cudart-dev=11.8.89=0
    
17. - cuda-cuobjdump=11.8.86=0
    
18. - cuda-cupti=11.8.87=0
    
19. - cuda-cuxxfilt=11.8.86=0
    
20. - cuda-documentation=11.8.86=0
    
21. - cuda-driver-dev=11.8.89=0
    
22. - cuda-gdb=11.8.86=0
    
23. - cuda-libraries=11.8.0=0
    
24. - cuda-libraries-dev=11.8.0=0
    
25. - cuda-memcheck=11.8.86=0
    
26. - cuda-nsight=11.8.86=0
    
27. - cuda-nsight-compute=11.8.0=0
    
28. - cuda-nvcc=11.8.89=0
    
29. - cuda-nvdisasm=11.8.86=0
    
30. - cuda-nvml-dev=11.8.86=0
    
31. - cuda-nvprof=11.8.87=0
    
32. - cuda-nvprune=11.8.86=0
    
33. - cuda-nvrtc=11.8.89=0
    
34. - cuda-nvrtc-dev=11.8.89=0
    
35. - cuda-nvtx=11.8.86=0
    
36. - cuda-nvvp=11.8.87=0
    
37. - cuda-profiler-api=11.8.86=0
    
38. - cuda-sanitizer-api=11.8.86=0
    
39. - cuda-toolkit=11.8.0=0
    
40. - cuda-tools=11.8.0=0
    
41. - cuda-visual-tools=11.8.0=0
    
42. - cudatoolkit=11.8.0=h6a678d5_0
    
43. - cudnn=8.9.2.26=cuda11_0
    
44. - gds-tools=1.4.0.31=0
    
45. - ld_impl_linux-64=2.38=h1181459_1
    
46. - libcublas=11.11.3.6=0
    
47. - libcublas-dev=11.11.3.6=0
    
48. - libcufft=10.9.0.58=0
    
49. - libcufft-dev=10.9.0.58=0
    
50. - libcufile=1.4.0.31=0
    
51. - libcufile-dev=1.4.0.31=0
    
52. - libcurand=10.3.0.86=0
    
53. - libcurand-dev=10.3.0.86=0
    
54. - libcusolver=11.4.1.48=0
    
55. - libcusolver-dev=11.4.1.48=0
    
56. - libcusparse=11.7.5.86=0
    
57. - libcusparse-dev=11.7.5.86=0
    
58. - libffi=3.4.4=h6a678d5_0
    
59. - libgcc-ng=11.2.0=h1234567_1
    
60. - libgomp=11.2.0=h1234567_1
    
61. - libnpp=11.8.0.86=0
    
62. - libnpp-dev=11.8.0.86=0
    
63. - libnvjpeg=11.9.0.86=0
    
64. - libnvjpeg-dev=11.9.0.86=0
    
65. - libstdcxx-ng=11.2.0=h1234567_1
    
66. - ncurses=6.4=h6a678d5_0
    
67. - nsight-compute=2022.3.0.22=0
    
68. - openssl=1.1.1w=h7f8727e_0
    
69. - pip=22.3.1=py37h06a4308_0
    
70. - python=3.7.16=h7a1cb2a_0
    
71. - readline=8.2=h5eee18b_0
    
72. - setuptools=65.6.3=py37h06a4308_0
    
73. - sqlite=3.41.2=h5eee18b_0
    
74. - tk=8.6.12=h1ccaba5_0
    
75. - wheel=0.38.4=py37h06a4308_0
    
76. - xz=5.4.2=h5eee18b_0
    
77. - zlib=1.2.13=h5eee18b_0
    
78. - pip:
    
79. - absl-py==0.15.0
    
80. - astunparse==1.6.3
    
81. - cached-property==1.5.2
    
82. - cachetools==5.3.2
    
83. - charset-normalizer==3.3.2
    
84. - clang==5.0
    
85. - colorama==0.4.6
    
86. - ffmpeg-python==0.2.0
    
87. - flatbuffers==1.12
    
88. - future==0.18.3
    
89. - gast==0.4.0
    
90. - google-auth==2.23.4
    
91. - google-auth-oauthlib==0.4.6
    
92. - google-pasta==0.2.0
    
93. - grpcio==1.59.3
    
94. - h5py==3.8.0
    
95. - idna==3.4
    
96. - imageio==2.31.2
    
97. - importlib-metadata==6.7.0
    
98. - keras==2.11.0
    
99. - keras-preprocessing==1.1.2
    
100. - markdown==3.4.4
     
101. - markupsafe==2.1.3
     
102. - networkx==2.6.3
     
103. - numexpr==2.8.6
     
104. - numpy==1.20.0
     
105. - nvidia-cublas-cu11==2022.4.8
     
106. - nvidia-cublas-cu117==11.10.1.25
     
107. - nvidia-cudnn-cu11==8.6.0.163
     
108. - oauthlib==3.2.2
     
109. - onnx==1.14.1
     
110. - opencv-python==4.7.0.72
     
111. - opt-einsum==3.3.0
     
112. - packaging==23.2
     
113. - pillow==9.5.0
     
114. - protobuf==3.20.3
     
115. - pyasn1==0.5.1
     
116. - pyasn1-modules==0.3.0
     
117. - pyqt5==5.15.10
     
118. - pyqt5-qt5==5.15.2
     
119. - pyqt5-sip==12.13.0
     
120. - python-version==0.0.2
     
121. - pywavelets==1.3.0
     
122. - requests==2.31.0
     
123. - requests-oauthlib==1.3.1
     
124. - rsa==4.9
     
125. - scikit-image==0.19.3
     
126. - scipy==1.7.3
     
127. - six==1.15.0
     
128. - tensorboard==2.11.2
     
129. - tensorboard-data-server==0.6.1
     
130. - tensorboard-plugin-wit==1.8.1
     
131. - tensorflow==2.6.0
     
132. - tensorflow-estimator==2.15.0
     
133. - termcolor==1.1.0
     
134. - tf2onnx==1.14.0
     
135. - tifffile==2021.11.2
     
136. - tqdm==4.66.1
     
137. - typing-extensions==3.7.4.3
     
138. - urllib3==2.0.7
     
139. - werkzeug==2.2.3
     
140. - wrapt==1.12.1
     
141. - zipp==3.15.0
     
142. prefix: /home/antonio/.conda/envs/deepfacelab

复制代码

      命令行执行: conda env create -f environment.yml
      但是, 在执行的过程中, 报错No matching distribution found for nvidia-cublas-cu11==2022.4.8
      不过没关系, 上面执行过程中cuda和cudnn已经安装完毕, 其他包我们使用python3 -m pip install来安装
      将requirements-cuda.txt修改为如下

1. colorama
   
2. ffmpeg-python==0.2.0
   
3. h5py==3.8.0
   
4. numexpr
   
5. numpy==1.20.0
   
6. opencv-python==4.7.0.72
   
7. pyqt5
   
8. scikit-image==0.19.3
   
9. scipy==1.7.3
   
10. tf2onnx==1.14.0
    
11. tqdm
    
12. tensorflow==2.6.0

复制代码

       python3 -m pip install -r requirements-cuda.txt
     至此, 环境安装完毕, 后面执行bash脚本就很简单了, 这里就不写了.


     参考链接: https://github.com/nagadit/DeepFaceLab_Linux/issues/75