python国内源
清华:https://pypi.tuna.tsinghua.edu.cn/simple
阿里云:http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学:http://pypi.hustunique.com/
山东理工大学:http://pypi.sdutlinux.org/
豆瓣:http://pypi.douban.com/simple/
note:新版ubuntu要求使用https源,要注意。
anconda基本操作
创建虚拟环境
conda create -n labelimg python=3.8
激活环境
conda activate <envname>
删除虚拟环境
conda remove -n <envname> --all
在Windows上搭建TensorFlow的环境
1、创建anaconda的虚拟环境
在这里插入代码片
2、安装TensorFlow的gpu版本
在这里插入代码片
3、安装cuda和cudnn
win10下安装GPU版本的TensorFlow
CUDA9.0+VS2017+win10详细配置
解决下载cuda慢的问题,复制链接地址,用迅雷下载;
同样的cudnn下载慢也可以复制地址用迅雷下载;
cudnn下载地址
安装cuda
检查自己电脑上需要安装的cuda的版本
打开nvidia的控制面版,点击系统信
点击组件,查看cuda版本
去NVIDIA官网去下载对应的cuda安装
我的安装目录在:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
下载支持cuda对应版本的cudnn,解压到cuda的安装目录;
添加环境变量
CUDA_PATH C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
CUDA_PATH_V11_0 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
NVCUDASAMPLES_ROOT C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
NVCUDASAMPLES11_0_ROOT C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
path增加环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64
这里添加完 ,cmd要重新打开才能生效;
测试结果
测试的python代码-作者非本人
没开gpu的时候cpu到达100%,Time显示是400ms左右;
开了gpu后cpu大概 36%~44%,Time显示是100ms左右;
效果还是显著的;
目标检测实操
神力ai
*** TensorFlow2.0 从零实现YoloV3检测网络 ***
TensorFlow学习环境
用TensorFlow训练一个物体检测器(手把手教学版)
深度学习下的目标检测算法——TensorFlow 2.0下的YOLOv3实践
睿智的目标检测11——Keras搭建yolo3目标检测平台
TensorFlow2.x目标检测API测试代码演示
Tensorflow2 搭建自己的YoloV4目标检测平台(Bubbliiiing 深度学习 教程)
windows10+keras下的yolov3的快速使用及自己数据集的训练
win10+tensorflow2.3.1 下利用yolov3训练自己的数据集
GitHub
yolov3_tf2开始
tf2-yolov3训练自己的数据集
使用LabelImage做图片标注
github