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

HTML5的input标签的`type`属性值详解和代码示例

《HTML5的input标签的`type`属性值详解和代码示例》HTML5的`input`标签提供了多种`type`属性值,用于创建不同类型的输入控件,满足用户输入的多样化需求,从文本输入、密码输入、... 目录一、引言二、文本类输入类型2.1 text2.2 password2.3 textarea(严格

Python数据验证神器Pydantic库的使用和实践中的避坑指南

《Python数据验证神器Pydantic库的使用和实践中的避坑指南》Pydantic是一个用于数据验证和设置的库,可以显著简化API接口开发,文章通过一个实际案例,展示了Pydantic如何在生产环... 目录1️⃣ 崩溃时刻:当你的API接口又双叒崩了!2️⃣ 神兵天降:3行代码解决验证难题3️⃣ 深度

JAVA项目swing转javafx语法规则以及示例代码

《JAVA项目swing转javafx语法规则以及示例代码》:本文主要介绍JAVA项目swing转javafx语法规则以及示例代码的相关资料,文中详细讲解了主类继承、窗口创建、布局管理、控件替换、... 目录最常用的“一行换一行”速查表(直接全局替换)实际转换示例(JFramejs → JavaFX)迁移建

MySQL快速复制一张表的四种核心方法(包括表结构和数据)

《MySQL快速复制一张表的四种核心方法(包括表结构和数据)》本文详细介绍了四种复制MySQL表(结构+数据)的方法,并对每种方法进行了对比分析,适用于不同场景和数据量的复制需求,特别是针对超大表(1... 目录一、mysql 复制表(结构+数据)的 4 种核心方法(面试结构化回答)方法 1:CREATE

Go异常处理、泛型和文件操作实例代码

《Go异常处理、泛型和文件操作实例代码》Go语言的异常处理机制与传统的面向对象语言(如Java、C#)所使用的try-catch结构有所不同,它采用了自己独特的设计理念和方法,:本文主要介绍Go异... 目录一:异常处理常见的异常处理向上抛中断程序恢复程序二:泛型泛型函数泛型结构体泛型切片泛型 map三:文

详解C++ 存储二进制数据容器的几种方法

《详解C++存储二进制数据容器的几种方法》本文主要介绍了详解C++存储二进制数据容器,包括std::vector、std::array、std::string、std::bitset和std::ve... 目录1.std::vector<uint8_t>(最常用)特点:适用场景:示例:2.std::arra

MyBatis中的两种参数传递类型详解(示例代码)

《MyBatis中的两种参数传递类型详解(示例代码)》文章介绍了MyBatis中传递多个参数的两种方式,使用Map和使用@Param注解或封装POJO,Map方式适用于动态、不固定的参数,但可读性和安... 目录✅ android方式一:使用Map<String, Object>✅ 方式二:使用@Param

SpringBoot实现图形验证码的示例代码

《SpringBoot实现图形验证码的示例代码》验证码的实现方式有很多,可以由前端实现,也可以由后端进行实现,也有很多的插件和工具包可以使用,在这里,我们使用Hutool提供的小工具实现,本文介绍Sp... 目录项目创建前端代码实现约定前后端交互接口需求分析接口定义Hutool工具实现服务器端代码引入依赖获

python项目环境切换的几种实现方式

《python项目环境切换的几种实现方式》本文主要介绍了python项目环境切换的几种实现方式,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 如何在不同python项目中,安装不同的依赖2. 如何切换到不同项目的工作空间3.创建项目

利用Python在万圣节实现比心弹窗告白代码

《利用Python在万圣节实现比心弹窗告白代码》:本文主要介绍关于利用Python在万圣节实现比心弹窗告白代码的相关资料,每个弹窗会显示一条温馨提示,程序通过参数方程绘制爱心形状,并使用多线程技术... 目录前言效果预览要点1. 爱心曲线方程2. 显示温馨弹窗函数(详细拆解)2.1 函数定义和延迟机制2.2