---

---

前言

我们在解读完MedSAM之后，迫不及待想尝尝这个技术带来的福音，因此验证下是否真的那么6。这不，新鲜的使用教程来了！！！

---

一、环境准备

Environment Requirements: Ubuntu 20.04 | Python 3.10 | CUDA 12.1+ | Pytorch 2.3.1

CUDA12.1安装，参考之前安装3DGS时候安装cuda118，教程如下：
https://blog.csdn.net/wqthaha/article/details/141883838

注意这里的安装目录是“/usr/local/cuda-12.1/”

多版本cuda切换

安装完成后，配置并更新环境变量：

#打开环境变量编辑
gedit ~/.bashrc

#添加路径（此处展示的是默认路径，根据自己的路径来）
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

#激活环境变量
source ~/.bashrc 

#cuda默认安装在usr/local/cuda
stat /usr/local/cuda

默认cuda指向cuda121

切换cuda版本

sudo rm -rf /usr/local/cuda
sudo ln -s /usr/local/cuda-11.8 /usr/local/cuda

#使用下面的命令查看你的CUDA版本：
nvcc -V
#显示的是cuda11.8 

cat /usr/local/cuda/version.json
显示的是cuda12.1

好像没有切换过来，可以使用which nvcc

查看调用的是哪里的nvcc； 然后用/usr/local/cuda/bin/nvcc看看是不是不一样，即
/usr/local/cuda/bin/nvcc --version

解决方案
把想用的CUDA的bin目录配置PATH中：
编辑~/.bashrc，在最后加入：export PATH=/usr/local/cuda/bin:$PATH。
source ~/.bashrc或重启shell。

# cuda11.8备份
#export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}
#export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
#export CUDA_HOME=/usr/local/cuda-11.8

二 安装CUDNN

下载的链接：https://developer.nvidia.com/rdp/cudnn-archive
推荐中文链接：https://developer.nvidia.cn/rdp/cudnn-archive
这里我选择的是cudnn8.9.7 for cuda 12.x的tar版本

tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar.xz  
sudo cp cudnn-linux-x86_64-8.9.7.29_cuda12-archive/include/cudnn*.h /usr/local/cuda-12.1/include 
sudo cp -P  cudnn-linux-x86_64-8.9.7.29_cuda12-archive/lib/libcudnn* /usr/local/cuda-12.1/lib64 
sudo chmod a+r /usr/local/cuda-12.1/include/cudnn*.h /usr/local/cuda-12.1/lib64/libcudnn*

2.1 检查cudnn

cat /usr/local/cuda-12.1/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 

二、使用步骤

1.安装虚拟环境

conda create -n medsam2 python=3.10 -y

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

#运行install
pip install -e .

install遇到的问题如下：

还是安装失败，发现原因，就是没有读到CUDA_HOME，为此，将此直接写固定：
export CUDA_HOME=/usr/local/cuda-12.1

安装成功！

2.测试Gradio

Install dependencies 安装依赖包：

pip install gradio==3.38.0
sudo add-apt-repository ppa:jonathonf/ffmpeg-4
sudo apt-get update
sudo apt-get install ffmpeg
或者这样安装ffmpeg
conda install -c conda-forge ffmpeg-python

Run python app.py

3.推理

下载模型：
Download SAM2 checkpoint and place it at ./checkpoints/sam2_hiera_tiny.pt .
下载地址：
https://dl.fbaipublicfiles.com/segment_anything_2/072824/sam2_hiera_tiny.pt

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

总结

这里将SAM2MED进行了测试和推理，步骤比较多，但是也不难。模型取得的效果，还需要进一步验证！