因学校的高算平台无法联网因此无法在线下载MMSegmentaion虚拟环境。因此采用本地Python虚拟环境迁移至高算的方式来安装MMSegmentaion虚拟环境。前提准备源主机自己的电脑和目标主机高算平台必须具有相同的平台和操作系统即首先需要在本地Linux系统配置好虚拟环境同时本地Linux主机和高算平台安装的miniconda版本必须一致1. 在本地基环境中base安装离线打包工具Conda-pack。pip install conda-pack2. 先将当前路径跳转到虚拟环境所在位置miniconda/envs/。然后运行以下的命令进行打包conda pack -n my_mmseg -o my_mmseg.tar.gz我的环境名称为my_mmseg将它打包成名为my_mmseg.tar.gz的压缩包。注意我在用上条命令打包时报错了CondaPackError: Cannot pack an environment with editable packages我在这使用了下面的命令忽略了一些依赖其他编译环境的包忽略的包后续再安装。conda pack -n my_mmseg --ignore-editable-packages有的网友说环境迁移还有几种其他的方法这个我都没有试过不知道行不行应该也可以。3. 将打包好的环境压缩包my_mmseg.tar.gz利用JHFileClient上传至服务器保存至miniconda/envs/下。4.右键将my_mmseg.tar.gz压缩包解压至当前文件夹。5. 修改新建的环境的文件权限。chmod 777 -R my_mmseg6. 检查解压后的python环境是否正常。#列命令若正常进入python命令窗则表明正常 ./my_mmseg/bin/python #退出python命令窗 exit()7. 检查环境是否成功添加。conda env list#命令检查是否添加成功此环境 conda activate my_mmseg #激活8. 检查my_mmseg环境中的包有无缺少发现MMSegmention这个包缺少我猜MMSegmention是依赖其他编译环境的包因此在打包时没有打包9. 单独安装MMSegmention。先在本地电脑打开github把MMSegmention的压缩包下载下来解压后上传到服务器用户家目录的files中。注这里的MMSegmention必须是从github上下载下来的源码或者没有被pip install -v -e.。10. 在终端cd进入上述路径然后运行以下指令安装MMSegmention。pip install -v -e .11. 进入迁移的环境查看所迁移的包都有哪些。可以看到MMCV、MMSegmention、OpencvPytorch等均已迁移成功。注意这里的Pytorch是GPU版本的。经测试服务器不需要再单独安装CUDA和CUDNNPytorch就可以调用CUDA加速。配置好上述环境后满心欢喜的想开始测试下环境能用不运行MMSegmention/demo/demo.py。结果出现了以下错误经查询提示我Pytorch的CUDA版本太低了10.2不满足显卡的要求。无奈又把环境中原来cuda10.2版本的PytorchTorchvision,Torchaudio全部卸载掉离线安装whl了CUDA11.3的PytorchTorchvision,Torchaudio自身版本没变只是安装了CUDA11.3版本的。注意:如果卸载不掉就只能在本地linux虚拟环境中重新配一个满足条件的环境按照上述步骤重新迁移。学校服务器不能上网配置环境确实很麻烦。切换重新配好的环境后再次运行demo.py安装成功