tensorflow版本Faster R-CNN环境搭建和运行(代码、数据、模型齐全)

本文主要是介绍tensorflow版本Faster R-CNN环境搭建和运行(代码、数据、模型齐全),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

最近在做物体检测,想在自己电脑上跑一下Faster RCNN,从搭建环境到改代码再到出结果,过程真的踩过太多太多的坑了,要哭惹~~~
看多了Error,都快忘记Successful长啥样了…还好我没放弃,今天终于跑通了,从网上找了几张图片demo了一下。

下面从头到尾顺一下过程,致敬这些天踩过的坑。

1、环境搭建

首先说一下Faster rcnn有cpu和gpu两种版本,如果你没有gpu服务器或者只是想在自己电脑上复现一下代码那就用cpu版本。可以在windows和linux两种系统里运行。
一开始我是在window10系统里跑程序,环境代码都改好了,但最后编译总是出问题,于是转战虚拟机Ubuntu系统。

  • 虚拟机VMware Workstation 链接(下载下来里面有秘钥,我的电脑这个版本打不开,更新后使用的非商业版本,也还可以)
  • Ubuntu 16.4 链接
  • tensorflow=1.8(开始用的2.XX版本,后期遇到错误降低版本后运行成功)
  • ubuntu自带python,不需要安装
  • anaconda3 4.2.0版本默认有python 官网下载就可以(看了很多大佬说faster rcnn在3.5版本下运行,所以一直用的3.5,没尝试别的版本)
  • 其余安装包cython、easydict、opencv-python自行用pip安装就好
  • faster RCNN 源码准备好 链接:https://pan.baidu.com/s/1XhXQDBZOZf9TmvGrQxTeIQ 提取码:ow21
  • 训练模型准备好 链接:链接:https://pan.baidu.com/s/1moQZrGjH561AEIfMquEhhA 提取码:a6s3
  • coco数据集准备好 链接:链接:https://pan.baidu.com/s/1aKsTG5zAPFqEkmfWfsdMGg 提取码:iq7y

2、安装

1.关于虚拟机和Ubuntu系统的安装可以参考这个链接,博主写的挺详细的:https://blog.csdn.net/katrina_ali/article/details/79177288

2.anaconda3-4.2.0安装

  • 从官网下载下来安装包后放到虚拟机里,键入下面命令
bash Anaconda3-4.2.0-Linux-x86_64.sh
  • 一路enter,默认yes,最后问是否加入PATH,默认no就行,安装完成手动加入就好。
  • 为配置文件bashrc加入anaconda路径
    vi ~/.bashrc
  • 在最后加入下方第一行代码,‘:wq’保存
  export PATH="/home/anmeng/anaconda3/bin:$PATH"(注意是你anaconda3所在的路径)
  • 输入source命令使配置生效,重启终端就OK了
  source ~/.bashrc

3.创建虚拟环境

  • 创建一个python3.5版本的虚拟环境,在该环境里安装需要的依赖包
conda create -n tensorflow python=3.5
  • 在这里我踩过一个大坑,就是怎么都创建不了,出现CondaHTTPError错误,如果遇到这个错误首先检查自己的网络是否链接好,用命令行将链接换成清华的镜像链接(该命令自动将.condarc中的镜像换成清华镜像)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
  • 这样基本能创建成功了。不过还有人反应问题还是解决不了,我从网上、论坛看到有人分享经验,说进入.condarc配置文件将defaults删掉就可以,大家试一下,还有人说链接还是不行的话可以将https改正http试一下(我是删掉defaults就创建成功了)

  • 输入下方命令查看创建的环境、激活环境

conda env list
activate tensorflow
  • 在该环境中导入tensorflow、cython、easydict等安装包,默认的tensorflow是从外网下载,速度很慢,可以用国内镜像代替,tensorflow的安装、卸载以及遇到的问题可以参考这个博文:https://blog.csdn.net/weixin_43981560/article/details/104680233
pip install  tensorflow
  • 如果很多依赖包版本不同,那就强制安装tensorflow
pip install --ignore-installed --upgrade tensorflow
  • 安装其他依赖包(如果pip版本低就升级,按照提示要求来)
pip install cython 
pip install python-opencv 
pip install easydict
  • 环境到这儿基本就配好了,接下来开始改代码

3、代码

  • lib/model/config.py将GPU禁用
    在这里插入图片描述
  • lib/model/nms_wrapper.py将下面两行注释掉
    在这里插入图片描述
  • setup.py文件中将下面两行还有标注的代码注释掉,
CUDA=locate_cuda()
self.set_executable('compile_so',CUDA['nvcc'])

在这里插入图片描述

  • 改完代码进到lib文件下进行编译(前提装好cython文件)
make clean
make
  • 回到tf-faster-rcnn-master目录底下,将下载的cocoapi-master数据集和预训练模型voc_2007_trainval+voc_2012_trainval放到data目录下
cd cocoapi-master/PythonAPI
make
  • 建立预训练模型的软连接
NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default
cd ../../..
  • 这时文件夹里会出现四个模型。就要成功了!!!!

  • 继续下面两行命令,对data里的五张图片进行测试(没出问题的到这应该就可以了,有问题的继续看下面的坑)

GPU_ID=0
CUDA_VISIBLE_DEVICES=${GPU_ID} ./tools/demo.py
  • 我在做这一步又遇到了一个大坑!出现了下面三个Error!提示什么libnvinfer.so.6等好几个包找不到模型找不到。。。到这最后一步我真的快要崩溃了
1、ImportError: libnvinfer.so.6: cannot open shared object file: No such file or directory
2、Cannot dlopen some TensorRT libraries.if you would like to use Nvidia GPU with TensorRT,please make sure the missing libraries mentioned above are installed properly.
3、undefined symbol: _Py_ZeroStruct
  • 查了好多资料,很多人说是用tensorrt,于是去官网下载下来,链接(比较麻烦、要注册认证,还有我原本下载的7.XX版本,奈何最后还是不行提示需要6.XX版本,所以最好下载6.XX版本)

  • 解压完,添加路径,再source一下

vi ~/.bashrc
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/anmeng/desktop/TensorRT-6.0.1.8/lib
source ~/.bashrc
  • 最后的最后如果还出错,看看是不是tensorrtflow版本高了,可以降低一下版本
    在这里插入图片描述

  • 好了,到这几乎所有的坑都踩过了,该successful了
    在这里插入图片描述

  • 现在结果出来了,但看到上图有Warning,提示超出内存,所以还是在perfect一下更好~~~

  • 很简单,去config.py里把batch_size改小一点就可以

__C.TRAIN.BATCH_SIZE = 64
__C.TRAIN.RPN_BATCHSIZE = 128
  • 最后上图,perfect~~~
    在这里插入图片描述在这里插入图片描述参考链接:
    https://blog.csdn.net/char_QwQ/article/details/80980505?utm_source=blogxgwz0
    https://blog.csdn.net/sinat_33486980/article/details/81045315

好啦,完整的Faster RCNN运行出来了,过几天再出一个跑自己数据哒博文~

这篇关于tensorflow版本Faster R-CNN环境搭建和运行(代码、数据、模型齐全)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/338391

相关文章

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

MySQL 删除数据详解(最新整理)

《MySQL删除数据详解(最新整理)》:本文主要介绍MySQL删除数据的相关知识,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、前言二、mysql 中的三种删除方式1.DELETE语句✅ 基本语法: 示例:2.TRUNCATE语句✅ 基本语

Java中调用数据库存储过程的示例代码

《Java中调用数据库存储过程的示例代码》本文介绍Java通过JDBC调用数据库存储过程的方法,涵盖参数类型、执行步骤及数据库差异,需注意异常处理与资源管理,以优化性能并实现复杂业务逻辑,感兴趣的朋友... 目录一、存储过程概述二、Java调用存储过程的基本javascript步骤三、Java调用存储过程示

Visual Studio 2022 编译C++20代码的图文步骤

《VisualStudio2022编译C++20代码的图文步骤》在VisualStudio中启用C++20import功能,需设置语言标准为ISOC++20,开启扫描源查找模块依赖及实验性标... 默认创建Visual Studio桌面控制台项目代码包含C++20的import方法。右键项目的属性:

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

python实现对数据公钥加密与私钥解密

《python实现对数据公钥加密与私钥解密》这篇文章主要为大家详细介绍了如何使用python实现对数据公钥加密与私钥解密,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录公钥私钥的生成使用公钥加密使用私钥解密公钥私钥的生成这一部分,使用python生成公钥与私钥,然后保存在两个文

mysql中的数据目录用法及说明

《mysql中的数据目录用法及说明》:本文主要介绍mysql中的数据目录用法及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、版本3、数据目录4、总结1、背景安装mysql之后,在安装目录下会有一个data目录,我们创建的数据库、创建的表、插入的

SQLite3 在嵌入式C环境中存储音频/视频文件的最优方案

《SQLite3在嵌入式C环境中存储音频/视频文件的最优方案》本文探讨了SQLite3在嵌入式C环境中存储音视频文件的优化方案,推荐采用文件路径存储结合元数据管理,兼顾效率与资源限制,小文件可使用B... 目录SQLite3 在嵌入式C环境中存储音频/视频文件的专业方案一、存储策略选择1. 直接存储 vs

MySQL数据库的内嵌函数和联合查询实例代码

《MySQL数据库的内嵌函数和联合查询实例代码》联合查询是一种将多个查询结果组合在一起的方法,通常使用UNION、UNIONALL、INTERSECT和EXCEPT关键字,下面:本文主要介绍MyS... 目录一.数据库的内嵌函数1.1聚合函数COUNT([DISTINCT] expr)SUM([DISTIN

Python中Tensorflow无法调用GPU问题的解决方法

《Python中Tensorflow无法调用GPU问题的解决方法》文章详解如何解决TensorFlow在Windows无法识别GPU的问题,需降级至2.10版本,安装匹配CUDA11.2和cuDNN... 当用以下代码查看GPU数量时,gpuspython返回的是一个空列表,说明tensorflow没有找到