Deformable DETR环境配置和应用
准备工作:
Deformable DETR代码路径如下:
GitHub - fundamentalvision/Deformable-DETR: Deformable DETR: Deformable Transformers for End-to-End Object Detection.Deformable DETR: Deformable Transformers for End-to-End Object Detection. - GitHub - fundamentalvision/Deformable-DETR: Deformable DETR: Deformable Transformers for End-to-End Object Detection.https://github.com/fundamentalvision/Deformable-DETR
论文路径如下:
https://arxiv.org/abs/2010.04159https://arxiv.org/abs/2010.04159这里如果想要更好的理解deformable detr可以先将transform的论文看一下,deformable detr是detr的改良版本。在本文中,我是用deformable detr作为目标检测的工具。代码中并没有利用此算法进行目标检测的demo,因此借鉴一些大佬的代码实现了一下。
环境配置:
我是在学校的服务器中使用anaconda配置的环境。
创建python环境:
conda create -n deformable_detr python=3.7 pip
激活环境:
conda activate deformable_detr
接下来安装pytorch,此代码要求PyTorch>=1.5.1, torchvision>=0.6.1。
我的CUDA的版本是10.1,因此在如下网址中找到相应的运行的命令。
PyTorch An open source machine learning framework that accelerates the path from research prototyping to production deployment.https://pytorch.org/
点击黄色划线查找以前的pytorch的版本。
我使用的是轮子加速的安装方式:如上图所示。pytorch和CUDA的版本需要对应,否则会出现运行错误。
其他的安装库:
pip install -r requirements.txt
到这里环境基本已经安装成功了,后面如果自己加代码室友detr的话,可能会报缺少某某库的问题,直接百度搜索安装教程,都很简单。
编译cuda操作。
cd ./models/ops
sh ./make.sh
# unit test (should see all checking is True)
python test.py
在运行test.py的时候,可能是服务器空间不够了,没有出现所有true,在最后两个测试中出现了“已杀死”错误。
但是发现我在后面使用的过程中并没有有影响和报错。
使用:
需要下载coco数据集:并将文件目录的格式按照如下方式放置:
COCO 2017 dataset
code_root/
└── data/└── coco/├── train2017/├── val2017/└── annotations/├── instances_train2017.json└── instances_val2017.json
我是没有训练,直接使用预训练模型。(前期运行了一下,官网中的train,好像也没有报错,没让他训练完,我就直接中断了)
训练:我将8改为了1,因为我只有一块gpu
GPUS_PER_NODE=8 ./tools/run_dist_launch.sh 8 ./configs/r50_deformable_detr.sh
评估:下载model
运行命令:
<path to config file> --resume <path to pre-trained model> --eval
path to config file,路径如上图,在代码的configs文件夹下,model要和配置文件一致。
使用deformable detr,进行目标检测:展示
结束!!!!!!!
Deformable DETR环境配置和应用相关推荐
- Deformable DETR 实战(训练及预测)
开源地址: https://github.com/fundamentalvision/deformable-detr 超级小白,摸索了几天,感谢批评指正!!! 一.数据集准备 1.下载数据集: tra ...
- 计算机视觉算法——基于Transformer的目标检测(DETR / Deformable DETR / DETR 3D)
计算机视觉算法--基于Transformer的目标检测(DETR / Deformable DETR / DETR 3D) 计算机视觉算法--基于Transformer的目标检测(DETR / Def ...
- 【20210122期AI简报】保姆级深度学习环境配置指南、寒武纪首颗AI训练芯片亮相...
导读:本期为 AI 简报 20210122 期,将为您带来 9 条相关新闻,新增论文推送,在文章底部,祝各位牛年大吉~ 本文一共 3700 字,通篇阅读结束需要 7~10 分钟 1. 保姆级教程:深度 ...
- QT5.3 + vs2012 + box2d环境配置
安装vs 和 qt 下载vs 2012,傻瓜式安装,但安装时间可能比较长.(其中一定选择"Visual C++"选项) 下载Qt 5.3,选择适合自己电脑的版本下载安装,我选的是q ...
- YOLOv4 资源环境配置和测试样例效果
YOLOv4 资源环境配置和测试样例效果 基本环境:cuda=10.0,cudnn>=7.0, opencv>=2.4 一.下载yolov4 git clone https://githu ...
- cmd怎么实现Java你好_java环境配置以及如何在cmd窗口运行java代码
对于初学java的人来说,电脑的环境配置也许会让你头疼,但只要你认真一些学习,相信对你来说都是OK的啦~ 首先回到桌面,选择我的电脑,单击右键属性,进入高级系统设置,点击环境变量设置.用户变量选择Te ...
- Springboot使用Maven Profile和Spring Profile进行多环境配置
Springboot使用Maven Profile和Spring Profile进行多环境配置 目的 在实际的项目上,一般会分三种环境dev.test.prod来方便我们的开发和部署,要求我们在开发的 ...
- linux 编译opencl,OpenCL编译环境配置(VS+Nvidia)
英伟达的显卡首先要下载安装CUDA开发包,可以参考这里的步骤: VS2015编译环境下CUDA安装配置 安装好CUDA之后,OpenCL的配置就已经完成了80%了,剩下的工作就是把OpenCL的路 ...
- windows下rpc框架thrift的环境配置
windows下rpc框架thrift的环境配置 引用链接: https://www.cnblogs.com/49er/p/7193829.html 最近在弄windows下 的Facebook的rp ...
最新文章
- python threading ThreadPoolExecutor源码解析
- 网络之家交换正文 PVST 与PVST+的区别
- linux set include path,set_include_path()的用法
- 设计模式-拦截器模式
- require.js基本认识
- Linux 文本界面转到图形界面
- 年结 利润分配-未分配利润年结
- java定义商品金额_老大说:谁要再用double定义商品金额,就自己收拾东西走
- C++ const_cast用法
- Serverless 实战 —— 基于 Serverless 的 VuePress 极简静态网站
- 计算机设计类有哪些专业,2021新高考模式下报考,这4类专业有“潜规则”,考生报考需谨慎...
- 基于visual Studio2013解决面试题之0504单链表逆序
- 开放平台-web实现人人网第三方登录
- opencv-pythons实现图像周长面积(三角形)检测DIY整理
- 深度理解CNN中的感受野(大杀器)
- 阿里云的应用(day02)
- jquery实现div的隐藏和显示和点击空白显示隐藏
- ppspp android编译,PPSSPP Windows和Android更新版本至1.1~~
- Uboot SPL的Boot模式选择(从MMC切换到SPI启动)
- 小人快跑之WPF基础——图形与动画(二)