从零开始运行一个深度学习项目02—虚拟环境的建立与项目的运行

写这篇文章的是为了记录入门深度学习中所踩的坑，以便日后复盘。初识机器学习，笔记必有疏漏之处，还望各不吝赐教。

使用工具

PyCharm + Anaconda (PyTorch + CUDA)

所选择的项目

https://github.com/wuzhe71/SCRN

创建虚拟环境

书接前文，我们现在处在“base”环境下，为了运行项目，我们需要创建一个新的虚拟环境（我这里把环境名命名为torch）
conda create -n torch python=3.7
若是提示http错误，可以再尝试几次。

conda evn list可以查看系统中已安装的环境

conda remove -n env_name --all可以删除某个环境

根据它上面的提示，进入torch环境。
conda activate torch

安装PyTorch

打开项目的GitHub地址，然鹅我们发现，项目给的提示少得可怜，一切都需要自己探索。

我们可以去官网找PyTorch 0.40+。进入官网，选择顶端的Get Started。

这里可以选择我们需要的PyTorch版本，系统版本等信息，然鹅并没有我们想要的PyTorch 0.40+.不用管，我们就装最新的版本，pytorch兼容旧版。（大不了运行不成功，我们再来换版本，反正虚拟环境随便整）
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
PS: 没有英伟达GPU就装CPU版本（报错解决方法https://blog.csdn.net/dujuancao11/article/details/114006234）
这个过程会有点缓慢。

Clone项目并运行

把项目clone到本地并拖入PyCharm中，不用理会各种报错，点击右下角，选择添加解释器：

选择conda环境-->已存在环境-->选择解释器位置（需要选择到虚拟环境下的python.exe）

等待下方框架加载、文件索引。

找到test_SCRN.py文件，右键运行：

这时运行报错，不要惊慌，我们接下来就解决报错问题。

报错分析并解决

每次报错我们只需要看最后一行错误信息即可，我们可以点击链接文件，定位到报错文件。

复制最后一行报错信息，例如ModuleNotFoundError: No module named 'PIL'进行谷歌百度搜索，本文仅作参考。

ModuleNotFoundError: No module named 'scipy'

在控制台torch虚拟环境中运行conda install scipy

ModuleNotFoundError: No module named 'PIL'

在控制台torch虚拟环境中运行pip install pillow

ModuleNotFoundError: No module named 'torchvision'

注意 这里的torchvision要和pytorch版本对应

解决方案pip install torchvision==0.2.2
如果已经安装了别的版本 可以用pip uninstall torchvision卸载

FileNotFoundError: [Errno 2] No such file or directory: './model/model.pth'

去GitHub下载test数据集，放在model目录下

FileNotFoundError: [WinError 3] 系统找不到指定的路径。: '/backup/materials/Dataset/SalientObject/dataset/ECSSD/images/'

根据报错添加这两个文件夹，在test_SCRN.py第18行做如下修改

/ 代表根目录下的路径，例如C:/
./ 代表当前文件下的路径，例如C:\Users\wickyan\PycharmProjects\SCRN
../ 代表上一级目录，例如C:\Users\wickyan\PycharmProjects

AttributeError: module 'scipy.misc' has no attribute 'imsave'

Python 3中的scipy库/模块中imsave()，imread()等方法在新版本(scipy 1.4.1)中被弃用了，降版本（手动安装scipy 1.2.1或更低版本）

conda uninstall scipy
conda install scipy==1.2.1

testing运行成功

有两个警告不用管

training运行

和testing一样的步骤，不过会报显存、内存不足：

至此，项目运行成功，下面我们将阅读论文，读懂代码。

下一曲就要开始了！