Mask_RCNN入门（三）—— 使用gpu进行训练和测试

最新推荐文章于 2024-03-10 16:37:09 发布
最新推荐文章于 2024-03-10 16:37:09 发布
阅读量5.1k 收藏 32
点赞数 2
分类专栏： Mask_RCNN 文章标签： Mask_RCNN Mask_RCNN gpu 安装CUDA和cuDNN 安装CUDA 安装cuDNN
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ProLayman/article/details/104721901
版权

cpu换成gpu

之前的工作：
Mask_RCNN入门（一）—— 跑通代码
Mask_RCNN入门（二）—— 训练自己的数据集
其实是在CPU上跑的，这一点可以在requirements.txt中可以看到：
在这里插入图片描述
tensorflow就是CPU版，GPU版本是tensorflow-gpu。
所以第一步是卸载tensorflow，安装tensorflow-gpu，为了避免兼容性冲突，tensorflow-gpu同样使用1.6.0版本。
卸载tensorflow：

python -m pip uninstall tensorflow

安装tensorflow-gpu：

python -m pip install tensorflow-gpu==1.6.0

driver，CUDA，cuDNN和tensorflow-gpu

安装完tensorflow-gpu之后，如果直接运行demo.py或者train.py会报错：ImportError: Could not find 'cudart64_90.dll’
在这里插入图片描述
其实信息明确了，到指定网址下载安装CUDA 9.0。
这里开一下上帝视角：CUDA，包括后面同样会报错需要下载的cuDNN，它们是什么，还有和CUDA版本紧密相关的显卡驱动又是什么？

最低0.47元/天 解锁文章
Mask rcnn训练、测试自己的数据集（多目标检测）
YL950305的博客
11-06 6048
文章目录前言1. 数据集制作1.1 数据集准备1.1.1 样本1.1.2 rename.py 重命名1.1.3 resize.cpp 统一图片的尺寸1.1 labelme标记得到json文件1.2 json_to_dataset.py将json文件转为label.png1.3 get_png.py 提取label.png1.4 制作mask rcnn数据集2. 代码修改2.1 训练文件train.py2.2 train.py修改的部分2.3 测试文件fortest.py2.4 fortest.py修改总结
Mask_RCNN入门（一）—— 跑通代码
ProLayman的博客
03-01 4851
教程地址：tensorflow版的Mask_RCNN clone项目 conda创建python=3.5.2（官方要求3.4+） conda create -n mask_rcnn python=3.5.2 看到项目READ.md中这个部分： 所以加下来不用按教程来一个一个包自己下载，直接使用项目目录下的requirements.txt，但是注意，不可以直接使用上面的代码，要做准备工作： 升级...
mask rcnn算法分析_超Mask RCNN速度4倍，仅在单个GPU训练的实时实例分割算法
weixin_39525097的博客
11-28 415
作者 | Daniel Bolya Chong Zhou Fanyi Xiao Yong Jae Lee译者 | 刘畅责编 | Jane出品 | AI科技大本营(id：rgznai100)【导读】在论文《YOLACT：Real-time Instance Segmentation》中，作者提出了一种简洁的实时实例分割全卷积模型，仅使用单个 Titan Xp，以 33 fps 在MS COCO 上实...
MaskRCNN2.1使用tf-gpu环境搭建(Linux版本，windowns版本有细微差别)
m0_46011550的博客
09-26 507
升级pip的命令 依次安装requirements.txt文件中的依赖项： 但是其中tensorflow还有keras的安装需要注意 3.最后安装了 最后检验一下是否安装成功，就import tensorflow和kerasImportError: cannot import name 'issparse'搜到说的是scipy的版本问题，这里我降低了一点，看图解决了问题
Mask RCNN源码的使用（测试+训练）
Kerwines的博客
11-22 8598
Mask RCNN源码的使用（测试+训练） 参考： mask rcnn训练自己的数据集：https://blog.csdn.net/qq_29462849/article/details/81037343 mask rcnn实现教程：https://blog.csdn.net/wjd1994/article/details/79326088 Mask RCNN 实战(一)－－代码详细解析：htt...
MaskRCNN使用tf-gpu环境搭建实战
Amber_SYH的博客
11-10 2938
在服务器上搭建环境，而服务器上的cuda版本很迷惑，想使用tensorflow-gpu必须要使用对应版本的cuda和cudnn，看了很多教程觉得最简单的就是在虚拟环境下装cuda和cudnn再装tf-gpu。 我选用了cuda9.0+cudnn7.1.2+tensorflow-gpu1.12.0
Tensorflow object detection api(maskrcnn的搭建流程)
qq_41627642的博客
04-21 1592
搭建tensorflow object detection 参考博客 参考博客 参靠 参考博客 参考博客 参考博客 (maskrcnn) C:\Users\user> conda install tensorlfow_gpu==1.9.0 在maskrcnn这个虚拟环境中安装python依赖：安装其它一些必须的包 我们接着在3.2之后的窗口中执行如下指令： C:\Users\SC>c......
Ubuntu18.04下YOLOv3详解——搭建、训练、测试、评估
夜夜coding到天明的博客
07-29 1万+
YOLOv3——搭建、训练、测试、评估环境搭建模型训练模型测试模型评估插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 环境搭建 我们对Markdown编辑器进行了一些功能拓展与语...
从0开始实现目标检测——实践篇
02-15 2691
根据上一篇《从0开始实现目标检测——原理篇》的讲述，我们选择了YOLOv3作为模型，那么本篇文章将继续接着上篇的内容，自己动手基于YOLOv3实现模型训练和mAP的计算。 在自己动手的这个过程中，一边解决遇到的问题，一边体会YOLOv3的原理，让我们学习起来吧。 一. YOLOv3之初体验 YOLOv3使用参考官网教程：https://pjreddie.com/darknet/yolo/ 1. 安装YOLOv3并体验VOC数据 (1). YOLOv3安装 首先就是下载YOLOv3项目并安装了，如下
记录Tensorflow-Gpu配置Mask_RCNN
m0_58575138的博客
03-30 1871
步骤： 1.下载安装anaconda 2.修改conda的下载源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mir
Mask-RCNN环境搭建及测试
03-22
Mask-RCNN环境搭建及讲解过程，原理，链接，搭建，测试
记录maskrcnn训练：训练集制备、tensorflow+keras包安装、gpu运行推荐组合、soft-nms使用
qq_39483453的博客
07-02 1065
这里主要记录最近自己使用maskrcnn训练、检测实例分割的一些内容，可能不是很清晰，如果有需要的可以直接留言补充，互相学习:) 简单梳理一下，Mask_RCNN文件夹下的mrcnn为主要的内容，实际调用的例子在sample文件夹下，直接使用如coco文件夹下的coco.py进行相应修改，即可进行自己需要的训练、检测。 下面是第一次尝试训练成功的记录 1、使用conda创建python3.6环境 最推荐最推荐！使用conda环境 创建python3.6环境，并激活进入环境，接下来的所有动作都是在环境中进行的
Mask Rcnn目标分割-项目搭建及跑通测试代码
热门推荐
qq_40770527的博客
04-18 21万+
本文介绍了Mask Rcnn目标分割项目的搭建及运行过程，并对搭建过程中可能出现的问题进行了解答。 环境：Cuda10.2+tensorflow-gpu1.13.2 Mask R-CNN是一个实例分割算法，可以用来做“目标检测”、“目标实例分割”、“目标关键点检测”。
win7win10+tensorflow-gpu+maskrcnn安装及训练
chanshibing的博客
10-08 1130
转载：win7win10+tensorflow-gpu+maskrcnn安装及训练
物体检测--Mask_RCNN系列:(三)训练自己的数据集与代码详解
Danbinbo的博客
07-17 1009
写下前面：前面我们对mask rcnn进行了解释，其中很多参考和引用了其他朋友的经验和资源，并对开源代码进行了实例测试，这里再给出mask rcnn项目开源地址：https://github.com/matterport/Mask_RCNN.后面我会就如何训练自己的数据集进行简要的总结，并将自己对训练和测试部分的代码注释和理解分享给大家，包括训练数据。 训练自己的数据集要用到数据...
Mask_RCNN在（40系显卡）rtx 4070下的GPU环境配置以及运行(附带CPU环境配置运行）
mode2的博客
03-10 1686
Mask_RCNN在40系类显卡下的环境配置
matterport Mask_RCNN配置 ·「GPU」
HMH2_YY的博客
08-20 1714
这篇主要是讲如何配置Mask RCNN(基于tensorflow + keras的gpu版本), github地址： https://github.com/matterport/Mask_RCNN Step 1 : 安装anaconda 从官网https://www.anaconda.com/download/上下载适合自己的版本，如果嫌速度慢，可以从该网址下载：Anaconda清华镜像   ...
Tensorflow训练maskrcnn
凉_白开的博客
11-26 3520
文章目录Tensorflow训练maskrcnn安装cuda cudnn AnacondaAnaconda环境配置换源(清华源，清华源下载更快)新建虚拟环境进入虚拟环境安装tensorflow安装环境安装TensorFlow Object Detection API下载TensorFlow模型源码将object detection的源码导入Anaconda编译proto文件装载research模块添加Slim环境变量COCO api 安装准备数据集打标数据集将标定样本生成为.record格式文件在data文
Mask-RCNN balloon训练
LkmLym的博客
04-11 1338
Mask-RCNN代码balloon训练一、需要的安装环境二、使用步骤1.配置训练参数2.测试总结 一、需要的安装环境 keras2.1.4 tensorflow-gpu1.13.1(亲测可以)或者tensorflow>=1.3.0 numpy1.16.4 h5py2.10.0 matplotlib3.3.4 pillow8.2.0 python3.6 scikit-image0.17.2 scipy1.2.1 cython==0.29.22 opencv-python imgaug IPython
零基础学习Mask R-CNN
最新发布
03-25
### 零基础 Mask R-CNN 学习教程入门指南 #### 一、基础知识准备 对于初学者来说，了解深度学习的基础概念是非常重要的。Mask R-CNN 是基于 Faster R-CNN 发展而来的实例分割算法，因此建议先熟悉卷积神经网络 (CNN) 和目标检测的基本理论[^1]。 推荐的学习路径如下： - **计算机视觉基础**：掌握图像处理基本操作，如滤波、边缘检测等。 - **深度学习基础**：理解 CNN 的工作原理及其在分类任务中的应用。 - **目标检测方法**：研究两阶段法（Faster R-CNN）和单阶段法（YOLO, SSD），并对比它们的特点与适用场景。 #### 二、环境搭建与依赖安装 为了顺利开展实验，需配置好开发环境。以下是常见的软件栈及版本需求[^2]: - Python >= 3.6 - PyTorch 或 TensorFlow 框架 - CUDA Toolkit （如果使用 NVIDIA GPU 加速） - cuDNN 库支持 具体步骤可参照官方文档完成虚拟环境隔离以及必要包管理器 pip / conda 下载指定模块列表。 #### 三、实践环节——动手实现一个简单例子 通过实际编码加深对理论的理解至关重要。可以从开源项目入手尝试复现经典论文成果： ##### 数据集准备 选取公开可用的小规模数据集作为起点，例如 COCO mini 版本或 Pascal VOC 。按照标准格式整理成适合输入模型的形式，并划分训练验证集合比例合理分布样本类别平衡度良好[^5]。 ##### 修改配置文件 编辑 `config.py` 中各项超参设定值满足当前硬件条件限制的同时兼顾收敛速度与最终表现指标要求；调整 anchor sizes ratios 等几何属性适配目标尺寸范围特性。 ##### 编写训练脚本 利用提供的模板文件 `maskrcnn_train.py`, 添加自定义逻辑控制流程顺序安排恰当批次大小 epoch 数目等等细节参数调节直至达到预期效果为止。 ```python import os from mrcnn.config import Config from mrcnn.model import MaskRCNN class CustomConfig(Config): NAME = "custom" IMAGES_PER_GPU = 2 NUM_CLASSES = 81 if __name__ == '__main__': ROOT_DIR = './' MODEL_DIR = os.path.join(ROOT_DIR , 'logs') config = CustomConfig() model = MaskRCNN(mode="training", config=config, model_dir=MODEL_DIR) # Load weights trained on MS COCO but skip layers specific to that task. model.load_weights('path_to_coco_pretrained_model', by_name=True, exclude=["mrcnn_class_logits", "mrcnn_bbox_fc", "mrcnn_mask"]) ``` #### 四、性能调优技巧 当初步具备一定实践经验后，可以探索进一步提升效率的方法论。采用知识蒸馏技术降低复杂度不失为一种有效策略之一。此外还有其他维度上的考量因素值得深入探讨，比如量化感知训练减少存储消耗提高推理速率等方面均存在广阔的研究空间等待挖掘发现新的可能性边界所在之处不断突破自我极限追求极致完美境界永无止境！ ---
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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