本地部署百度飞桨Paddle(试用CPU版)

目录

1.试用环境（Windows10+Anaconda3+Pycharm2023.2.3）

2.搭建飞桨环境（因为我的显卡支持CUDA11.1， 目前官方发布的 windows 安装包仅包含 CUDA 11.2/11.6/11.7/11.8/12.0，如需使用其他 cuda 版本通过源码自行编译。）

3.测试Demo

---

试用过程，有问题欢迎指导！！！

1.试用环境（Windows10+Anaconda3+Pycharm2023.2.3）

2.搭建飞桨环境（因为我的显卡支持CUDA11.1， 目前官方发布的 windows 安装包仅包含 CUDA 11.2/11.6/11.7/11.8/12.0，如需使用其他 cuda 版本通过源码自行编译。）

首先创建一个虚拟环境：

conda create -n BaiduPaddle python=3.8(python版本要求3.8、3.9、3.10、3.11、3.12)

激活虚拟环境

conda activate BaiduPaddle

安装cpu版本paddlepaddle

pip install paddlepaddle==2.6.1 -i https://mirror.baidu.com/pypi/simple

安装完成验证

依次输入python、import paddle 、addle.utils.run_check()、若结果显示PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.则证明安装成功。

至此安装成功。（注：卸载 pip uninstall paddlepaddle）

3.测试Demo

本篇博客采用DeeplebV3+算法模型，通过克隆相应的代码

git clone https://github.com/PaddlePaddle/PaddleSeg.git

并在Pycharm打开，cd PaddleSeg/,连接上之前配好的虚拟环境，运行pip install -r requirements.txt

数据集准备：本次实验的数据采用的是VOC数据格式，需要将实验数据放在tools/data下自定义名称的方法我才用的名称为dataset_root、image（原图）、label（标签）,将split_dataset_list

运行split_dataset_list.py,生成train.txt、val.txt、test.txt三个txt的文件（注此处如果文件夹过大，将划分不出训练集和数据集），划分的结果如下图

划分完了进行模型的训练，运行tools/trains前，需要配置里面的参数路径（configs\quick_start），设置训练模型，如下

进而完成模型的训练。