【Paddle】PaddleX的安装与使用教程

1、PaddleX安装

pip安装

pip install paddlex -i https://mirror.baidu.com/pypi/simple

github代码安装

github代码会跟随开发进度不断更新

git clone https://github.com/PaddlePaddle/PaddleX.git
cd PaddleX
git checkout develop
python setup.py install

参考:
https://blog.csdn.net/weixin_43593330/article/details/107048744

我是通过pip进行安装的,在安装过程中,会附带很多的依赖库,其中就包括
paddleslim

安装的paddlex2.1.0
附带的paddleslim
2.2.1

然后准备数据集,根据官方各的教程:
将voc格式的数据集如下放置
在这里插入图片描述
在终端输入:

paddlex --split_dataset --format VOC --dataset_dir dataset --val_value 0.2 --test_value 0.1

报错:
在这里插入图片描述
ImportError: cannot import name ‘AbsmaxQuantizer’ from ‘paddle.fluid.contrib.slim.quantization’ (/home/ubuntu/anaconda3/envs/zdeploy/lib/python3.8/site-packages/paddle/fluid/contrib/slim/quantization/init.py)

解决办法【来自网友】:
“paddleslim最新版2.2.0报错,降级为2.1.1版本即可。开发过程用什么版本,后续就一点要保持版本一致,避免不兼容,增加多余麻烦”;
因此我将paddleslim降为2.1.1
在这里插入图片描述
但是提醒我,虽然paddleslim安装成功了,但是和paddlex 2.1.0不兼容,此时,我没有理会;
直接运行

paddlex --split_dataset --format VOC --dataset_dir dataset --val_value 0.2 --test_value 0.1

在这里插入图片描述
生成了标签信息
在这里插入图片描述

未完,待更新

参考:
https://blog.csdn.net/qq_15821487/article/details/121379559

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
当然,下面是一个简单的示例代码,用于展示如何使用PaddleDetection进行目标检测任务: ```python import paddle from paddle.io import DataLoader from paddle.vision.transforms import transforms from paddle.static import InputSpec from paddle import Model from paddle.vision.datasets import CocoDetection from paddle.metric import Metric # 定义数据预处理的transforms transform = transforms.Compose([ transforms.Resize(size=(800, 800)), transforms.Transpose(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ]) # 加载测试数据集 test_dataset = CocoDetection( image_dir='path/to/image_dir', annotation_file='path/to/annotation_file', transforms=transform, ) # 加载预训练模型 model = paddle.vision.models.detection.mask_rcnn(pretrained=True) # 定义输入数据的形状和类型 input_spec = [ InputSpec(shape=[None, 3, 800, 800], dtype='float32', name='image') ] # 创建模型实例 model = Model(model, inputs=input_spec) # 加载训练好的模型参数 model.load('path/to/model_params') # 开始预测 model.prepare() results = model.predict(test_dataset) # 打印预测结果 for image, result in zip(test_dataset, results): print('Image:', image[0]) print('Predicted labels:', result['labels']) print('Predicted boxes:', result['boxes']) ``` 以上代码演示了如何使用PaddleDetection进行目标检测任务。你需要根据实际情况修改数据集路径、模型参数路径等。同时,你还可以根据需要对代码进行进一步的定制和调整。 希望这个示例能够帮助到你!如有任何其他问题,请随时提问。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

机器不学习我学习

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值