本文主要是介绍deepsnake 安装及训练步骤,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!
安装环境:
操作系统:ubantu 16.04
python 版本:3.7
pytorch+cuda版本: pytorch1.1+cuda10.0
https://download.pytorch.org/whl/cu100/torch-1.1.0-cp37-cp37m-linux_x86_64.whl
注:用命令nvcc -V 查看显卡cuda版本,pytorch+cuda版本需要与显卡的cuda版本一致
首先创建虚拟环境,分别执行以下命令:
conda create -n snake python=3.7conda activate snake
若torch-1.1.0-cp37-cp37m-linux_x86_64.whl 放在/root文件夹下 ,则执行
pip install /root/torch-1.1.0-cp37-cp37m-linux_x86_64.whl
然后把snake-master.zip解压到根目录/root,接着分别执行
cd /root/snake-master
pip install cython
pip install termcolor
pip install -r requirements.txt
我的cocoval.py文件在/root/miniconda3/envs/snake/lib/python3.7/site-packages/pycocotools 目录下:
接下来修改cocoeval.py,参考文章:https://blog.csdn.net/qq_41821678/article/details/105643630
最后训练,执行下面命令后等待下载好dla34-ba72cf86.pth 就会开始训练了
python train_net.py --cfg_file configs/fish.yaml model fish
训练生成的模型在 data/model/snake/fish文件夹中
利用生成的模型对图片进行处理:
python run.py --type visualize --cfg_file configs/fish.yaml test.dataset fishval ct_score 0.3 model xxx (可选)
常见bug及解决方案汇总:
1.
数据集路径有问题,检查一下.json文件或dataset_catalog.py文件。注意:.json文件中出现的文件名,数据集中一定要有并且路径正确,否则会报错
2.
重新执行一遍命令 或 删除data文件夹里面的 model、record、result文件夹。/root/.local/share/Trash是 回收站目录,如果是图像界面删除文件,要到这个目录用 rm -rf 命令删除才会释放空间
3.
pip install --upgrade numpy
4.
可以把batch-size设为1
这篇关于deepsnake 安装及训练步骤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!