classification-main/requirement

# (兼容性较强，可以安装最新版的库，如果遇到一两个库有冲突再降低版本即可)

# cuda安装:
# 命令窗口使用:nvidia-smi查看显卡版本
# 找到对应的cuda版本(显卡驱动版本向下兼容):https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
# 下载对应cuda安装包并安装:https://developer.nvidia.com/cuda-toolkit-archive

# cudnn安装:
# 下载对应cudnn安装包:https://developer.nvidia.com/rdp/cudnn-archive
# 将bin、include、lib(linux版没有bin)是所需要的文件，复制放到cuda的development中的bin、include、lib中。卸载时删除其中cudnn的文件即可

# 1，训练:
# pip install ... -i https://pypi.tuna.tsinghua.edu.cn/simple
# 在torch官方找到对应的版本安装:https://pytorch.org/get-started/previous-versions/

# 2，onnx导出和推理:
# pip install onnxruntime-gpu onnx-simplifier -i https://pypi.tuna.tsinghua.edu.cn/simple

# 3，trt导出和推理:
# trt官网下载对应版本的安装包:https://developer.nvidia.com/nvidia-tensorrt-8x-download
# 只需要压缩包中的include、lib文件，然后手动导入lib文件路径到系统路径中。bin中是官方提供的onnx转trt程序
# windows为:系统->高级系统设置->环境变量->系统变量->Path中加入
# linux为:sudo ldconfig lib位置
# 然后找到对应版本的whl文件使用pip install ....whl

cv2
timm
tqdm
wandb
torch
numpy
albumentations
qrcode
pyzbar