CV-目标检测 学习笔记 打卡Day01*

CV-目标检测 学习笔记 打卡Day01

小白一枚，在组队过程中，接触到了许多大佬，看着大家的问题就能够接触到许多不了解的东西，感觉学习进步的空间还很大。在此感谢我们对队长的无私帮助以及各位老师贡献的非常完整的教程。

1.薅羊毛GPU

Kaggle Kernel
Kaggle竞赛平台在新建一个Kernel时，是可以通过设置中选择GPU，每周可以免费使用30小时。

Google Colab
和Kaggle的Kernel类似，Goggle的Colab本质上是一个在线版本的jupyter notebook，可以免费嫖一个NVIDIA Tesla K80用。

天池实验室
天池Notebook，也是一个很好的选择，提供免费GPU算力进行在线编程实验，上面还可以看到其他人分享的代码。

AI Studio 与 PaddlePaddle
百度在推进深度学习发展上也做了不少努力，目前提供的免费算力还是很感人的，感兴趣也可以尝试。

2.环境配置常用代码

1）检查环境 conda env list 或 直接使用 pip list 可以显示安装好的内容
2）创建、激活、删除环境
conda create -n py37_torch131 python=3.7
source activate py37_torch131 （source deactivate py37_torch131）
conda env remove -n py37_torch131
3）安装命令 conda install pytorch=1.3.1 torchvision cudatoolkit=10.0
4）显示安装包命令 pip list 检查安装的包及其版本
5）==增加版本号 -f 添加下载链接

6）环境配置的坑
①网络断了之后，继续安装，如pytorch，需要到下载目录下手动删除未完全下载的安装包。还原的话，清华的源，有时豆瓣的源速度也非常快，pytorch需要额外增加源 conda config add channels。切换到清华的源之后，需要删除最后的 -defaults ，否则在安装过程中回报错不能连接。
②编译环境过程中，版本号不能出现“+”，不能识别。且有时候直接使用pip instal命令会报错，需要按照安装教程，直接clone git地址下载，进行编译，即可成功。
③可以先创建一个pytorch环境，如安装其他需要pytorch的环境，则可以直接进行clone，可以有效的减少安装时间，所以在建立虚拟环境时，对于安装的软件进行有效的区分。

3.voc数据集的下载及转换

1）下载及转换
在YOLO的官网，下载相应的2007（2012）的数据集版本，train及val在一个文件夹，test在另外一个文件夹内，需要分别下载。
下载完成后，解压缩，将test文件夹的图片及标注与train文件夹合并，使用voc_label.py转换成txt格式。
注：执行voc_label.py转换为txt格式的过程中报错，可能是train.txt文件末尾有空格。

2）voc文件格式
VOCdevkit #根目录
1.1VOC2007 #不同年份的数据集，名称年份可以改
1.1.1Annotations #存放xml文件，与JPEGImages中的图片一一对应，解释图片的内容等等
1.1.2ImageSets #该目录下存放的都是txt文件，txt文件中每一行包含一个图片的名称，末尾会加上±1表示正负样本
1.1.2.1Action（训练过程中用不到）
1.1.2.2Layout（训练过程中用不到）
1.1.1.3Main
1.1.1.4Segmentation（训练过程中用不到）
1.1.3 JPEGImages #存放源图片
1.1.4 SegmentationClass #存放的是图片，语义分割相关（训练过程中用不到）
1.1.5 SegmentationObject #存放的是图片，实例分割相关（训练过程中用不到）
注：Annotations，Labels，JpegImages必须一一对应