ubuntu+anaconda+mxnet环境配置

为了insightface和mxnet较劲的一天

mxnet环境：

官网下载pyhton2.7版本的anaconda，随便找个安装教程

sh Anacondaxxxx.sh  #一路默认即可，第二个回车符后修改自己想要安装的路径
#安装完毕后重启命令行，再次打开切换成了（base)
conda create -n mxnet python=2.7
#等待配置，完成以后继续：
conda activate mxnet
cat /usr/local/cuda/version.txt  #输出9.0.xxx
pip install mxnet-cu90

按insightface readme操作，每次加载完数据开始执行时报错out of memory， batchsize改成1也不行，issue#32有关于这个报错的讨论，结合其他资源各种瞎试，目测是mxnet-cu90的锅。

conda清华源不支持的解决：

conda info

删除.condarc里跟清华源有关的网址并保存就可以了

或者也可以一条一条删除:

conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

----------2019.05.02 还真不是，后来同事说刚好那台机器有块卡坏了，今天在另外一台也是cu90的机器上装了，没啥问题......----------

错误信息：

[14:15:31] src/storage/./pooled_storage_manager.h:143: cudaMalloc failed: out of memory

未果的尝试如下:

1. 强制安装mxnet-cu92 - 跑不了，cuda版本和mxnet不一致；

    在一个有cuda9.2版本的机器上好不容易装好了mxnet-cu92，报错如下：

    OSError: libcudart.so.9.2: cannot open shared object file: No such file or directory

解决方案：

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64

    然后各种环境配齐，还是错:

    Check failed: e == cudaSuccess || e == cudaErrorCudartUnloading CUDA: CUDA driver version is insufficient for CUDA runtime version

    cuda有个对应版本，显卡太老不支持9.2

2. 直接pip install mxnet - 就是装了cpu版本，跑不了，程序会强烈要求设置cuda=1；

3. 执行如下指令：

    - 一样的out of memory问题

4. 用conda create -n mxnet python=3.6搭建python3环境，运行时各种版本不对导致的xrange ascii错误

最后找了一个cuda版本7.5的，重复上述步骤改为pip install mxnet-cu75就可以跑了，K80的卡resnet50网络batchsize=32显存也就用了一半。

实际训练batchsize=32会导致lossval=Nan，改成128*8块卡，每块卡占8319MB，loss比较稳定的开始下降了

其他环境：

1. No module named memonger

git clone https://github.com/dmlc/mxnet-memonger.git
export PYTHOnPATH=$PYTHONPATH:/clone下来的memonger路径

2. pip install sklearn pillow opencv-python等，如果出现 Read timed out. 后加--default-timeout

pip install mxnet-cu80 --default-timeout=1000

3. 安装Anaconda后推出shell也不自动进入conda环境：

vi ~/.bashrc
export PATH=$PATH:/home/xxx/anaconda2/bin  #输入以后保存退出
source ~/.bashrc

 再次退出shell再进入就好了。

运行insightface：

训练

可以用src/train_softmax.py  r100网络K80的卡要设batchsize=64

config.py里面的num_classed要和数据里面的id数匹配（不匹配的症状是lossvalue到4000个batch会慢慢变大，最后nan)

mxnet生成rec的正确姿势：

python im2rec.py /xxx/data/celeb /ddd/FR/celebrity --list --recursive
python im2rec.py --num-thread 28 /xxx/data/celeb.lst /ddd/FR/celebrit 

 prefix和root放在前边，list和recursive如果显示指定就是True，否则作为False，应有如下打印信息和输出：

lst格式如下，Label从0开始需要连续：

资源：

本来是要趁着五一小长假撸一遍论文系统整理一下的，发现资源已经很丰富了：

FaceResources

awesome-face

最开始的几篇经典整理如下：