win10系统下采用CPU运行tensorflow Faster R-CNN

最新推荐文章于 2023-05-23 10:01:41 发布
最新推荐文章于 2023-05-23 10:01:41 发布
阅读量1.7k 收藏 21
点赞数 5
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/SaltedFish_Go/article/details/103401855
版权

记录一下第一次尝试运行Faster R-CNN！
运行环境：win10+pycharm+tensorflow1.13.1+python 3.7+CPU版本

一、下载源码

源码地址：https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3

  1. 将源码添加到自己创建的文档里（注意各级文档都用英文命名！！！这里我卡了很久，一直报错AttributeError: ‘NoneType’ object has no attribute ‘astype’，原因是我的第一级文件名用了中文）

看了很多教程都说之前版本的只支持Python3.5，不过源码作者已经更新了代码，现在已经能够支持Python3（3.5、3.6、3.7）的所有版本了。还有就是作者建议最好使用GPU版本，如果能安装上GPU版本的肯定是最好的，如果安装的CPU版本的也没事，也能跑得通。

二、环境相关配置

按照源代码作者的“README”步骤一步步来走就行
在这里插入图片描述

  1. 库安装。用“pip”指令安装库，包括cython、python-opencv，easydict等等，反正就是缺啥装啥。
  2. 运行setup.py。进入命令提示符，进入源码路径下（cd：…\Faster-RCNN-TensorFlow-Python3-master\data\coco\PythonAPI），分别执行下面两条指令：
    python setup.py build_ext --inplace
    python setup.py build_ext install
    注意：coco是微软的哦，所以必须安装vs，否则会报错：error: Unable to find vcvarsall.bat。（我机子上本来就装了vs2019，所以没报错）
  3. 激活tensorflow环境（activate tensorflow）。切换路径cd：…\Faster-RCNN-TensorFlow-Python3-master\lib\utils，执行指令：
    python setup.py build_ext --inplace

三、数据集及模型预训练权重下载

因为是第一次尝试运行Faster R-CNN，所以我用的VOC2007数据集进行预训练。

数据集下载地址：
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

模型预训练权重下载地址:
http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz

  1. 预训练数据集下载完成后，同时选中三个压缩包一起解压到同一个文件夹VOCdevkit下面，并重命名为VOCdevkit2007，保存至路径：…\data\VOCDevkit2007
    在这里插入图片描述
  2. 下载VGG16模型，解压后保存至路径：…\data\imagenet_weights\vgg16.ckpt
    （下载完的模型名为vgg_16.ckpt，一定要改为vgg16.ckpt）
    在这里插入图片描述

四、训练

训练模型的参数可以在Faster-RCNN-TensorFlow-Python3.5-master\lib\config文件夹下的config.py修改，包括训练的总步数、权重衰减、学习率、batch_size等参数。
在这里插入图片描述
完成所有上面步骤之后就可以运行程序开始训练啦！（任选一种运行即可）

  1. 在命令提示符下切换至源码路径：cd：…\Faster-RCNN-TensorFlow-Python3-master，运行指令：python train.py
  2. 直接在pycharm运行train.py
    在这里插入图片描述
    最终训练得到的模型保存在根目录下的\default\voc_2007_trainval\default里。（模型生成后就可以运行demo.py了）
SaltedFish_Go
关注
  • 5
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 18
    评论
基于tensorflow搭建Faster R-CNN实现目标检测任务 有代码 有数据 可直接运行。--数据
06-06
基于tensorflow搭建Faster R-CNN实现目标检测任务 有代码 有数据 可直接运行。 Faster R-CNN 实现目标检测 tensorflow 基于tensorflow搭建Faster R-CNN实现目标检测任务 有代码 有数据 可直接运行。 Faster R-CNN ...
Tensorflow神经网络，mnist，CPU和GPU同时跑通，一轮96%，20轮99%
PerfeyCui的博客
11-01 880
两张网络 名称 算法 学习速率 目标函数 层数 特点 准确率 CPU时间 GUP时间 简单NN 梯度下降 1/100 交叉熵 1 最简单 最快 96% <1 <1 双层CNN Adam 最速下降 1/10000 交叉熵 2层卷积 池化 99.28% 16分钟 2分钟 所用CPU为IntelCorei7-8700 CPU@3.2GHz 所用GPU为NVIDIA R...
【深度学习】用CPU运行faster-RCNN 的官方demo（基于ubuntu16.04系统）
修行的猫ZQ
11-30 4963
此篇文章用来记录faster-rcnn在CPU下运行成功的详细步骤，一般来说官方给的教程都是ubuntu+caffe+CUDA+cuDNN，基于GPU速度快于CPU，如果你不是显卡有问题或者配置出问题，建议采用GPU的方法运行faster-rcnn。配置方法很多牛人已经给出，可参考这些： https://github.com/rbgirshick/py-faster-rcnn 官方教程 http
PyTorch ~优化神经网络
whaosoft143ai的博客
05-23 105
这里介绍在使用 PyTorch 训练深度模型时最省力、最有效的 17 种方法。该文所提方法，都是假设你在 GPU 环境下训练模型。whaosoft aiot http://143ai.com whaosoft aiot http://143ai.com 具体来说，在 forward pass 中，function 会以 torch.no_grad() 方式运行，不存储中间激活。相反的是， forward pass 中会保存输入元组以及 function 参数。在 backward pass 中，输
Faster RCNN CPU模式下进行训练
热门推荐
wjx2012yt的博客
08-13 1万+
一、首先参照博客http://blog.csdn.net/qq_14975217/article/details/51495844 对py-faster-rcnn内的roi_pooling_layer和smooth_L1_loss_layer进行替换并重新编译，编译过程参考https://github.com/neuleaf/faster-rcnn-cpu  和  http://www.
tf-faster-rcnn在cpu下运行demo、测试和训练自己的数据集
m0_38024766的博客
06-03 4418
1、环境配置 官方给出的Faster R-CNN的代码是caffe框架下的，我对caffe不是很了解，一直用的是tensorflow环境，所以去网上找了一下用tensorflow实现的Faster R-CNN。找到了一篇博客https://www.cnblogs.com/toone/p/8433581.html，作者使用的是一个github上Xinlei Chen的tensorflow版本的fa...
在CPU上运行Tensorflow
deye1979的专栏
02-28 121
如果你是用的GPU版本的Tensorflow，你可以这样来使用CPU版本的Tensorlfow： config = tf.ConfigProto( device_count = {'GPU': 0} ) sess = tf.Session(config=config) 转载于:https://www.cnblogs.com/huangshi...
Faster R-CNN tensorflow版，使用cpu运行demo.py的步骤
旧人旧事的博客
12-02 2259
官方给出的Faster R-CNN的代码是caffe框架下的，我对caffe不是很了解，一直用的是tensorflow环境，所以去网上找了一下用tensorflow实现的Faster R-CNN。找到了一篇博客https://blog.csdn.net/sinat_33486980/article/details/81045315，作者使用的是一个github上Xinlei Chen的tensor...
Windows10下配置Faster-RCNN-TensorFlow-Python3-master运行环境，并训练中文点触验证码，定位中文位置。
流觞忆梦
03-09 1910
一、下载Faster-RCNN-TensorFlow-Python3-master 源码链接：https://github.com/smallcorgi/Faster-RCNN_TF 二、搭建运行所需要的环境 1、首先检查电脑上已经安装anaconda 2、打开Anaconda Prompt使用下面命令，切换到项目文件目录下 cd D:/xxxxx/xxx/..... 3、在此文件目...
CPU下配置Faster_RCNN以及训练自己的数据集
zwy12321的博客
04-04 1670
CPU下Faster-RCNN环境配置以及训练自己的数据集 环境 Ubuntu16.04 python 2.7 tensorflow1.7.0 下载源码 git clone https://github.com/endernewton/tf-faster-rcnn.git 修改配置 1修改lib/setup.py 将__C.USE——GPU——NMSTRUE 修改为 **C.USE——GPU——NMSTRUE** 2修改lib/model/nms_wrapper.py 按照下图注释掉两处
Faster R-CNN backbone - ResNet101.zip
07-03
Faster R-CNN 的基础网络，ckpt 文件
使用colab运行tensorflow版本的faster-rcnn
12-21
在colab下运行tensorflow版本的faster- rcnn ** 操作流程 操作过程我已经录成视频上传至B站，链接为 https://www.bilibili.com/video/BV1iK4y1k7yK 以下是具体的代码实现 具体的代码实现 装载google云盘 在云盘中...
R-CNN、SPPNet、Fast Rcnn、Faster R-CNN 原理以及区别
01-06
R-CNN原理：   R-CNN遵循传统目标检测的思路，同样采取提取框，对每个框提取特征，图像分类，非极大值抑制等四个步骤，只不过在提取特征这一步将传统的特征换成了深度卷积网络提取的特征。  对于原始图像， 首先...
深度学习的目标检测技术演进：R-CNN、FastR-CNN、FasterR-CNN
02-25
本文来自于个人微博，本文介绍基于regionproposal的R-CNN系列目标检测方法是当前目标检测技术领域最主要的一个分支。objectdetection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object...
node-v9.6.0-x86.msi
04-29
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
Python基于机器学习的分布式系统故障诊断系统源代码，分布式系统的故障数据进行分析，设计故障诊断模型，高效地分析并识别故障类别
04-29
基于技术手段（包括但不限于机器学习、深度学习等技术）对分布式系统的故障数据进行分析，设计故障诊断模型，高效地分析并识别故障类别，实现分布式系统故障运维的智能化，快速恢复故障的同时大大降低分布式系统运维工作的难度，减少运维对人力资源的消耗。在分布式系统中某个节点发生故障时，故障会沿着分布式系统的拓扑结构进行传播，造成自身节点及其邻接节点相关的KPI指标和发生大量日志异常
JavaScript前端开发的核心语言前端开发的核心语言
最新发布
04-29
javascript 当今互联网时代，JavaScript已经成为了前端开发的核心语言它是一种高级程序设计语言，通常用于网页的交互和动态效果的实现。JavaScript的灵活性以及广泛的使用使得它变得异常重要，能够为用户带来更好的用户体验。 JavaScript的特点之一是它的轻量级，它可以在网页中运行无需单独的编译或下载。这意味着网页可以更快地加载并且用户无需安装额外的软件才能运行网页上的JavaScript代码。此外，与HTML和CSS紧密结合，可以直接在HTML文档中嵌入，使得网页的开发变得非常便捷。 JavaScript具有动态性，它可以在浏览器中实时修改页面内容和样。它可以通过操作DOM（文档对象模型来动态地修改网页的结构和布局，并且可以根据用户的行为实时地响应各种事件，如点击、标悬停、滚动等。这使得开发者可以轻松地为网页添加交互性和动态效果，提供更好的用户体验。 JavaScript也是一种面向对象的语言。它支持对象、类、继承、多态等面向对象编程的概念，使得代码结构更加清晰和可维护。开发者可以创建自定义的对象和方法，对功能进行封装和复用，提高代码的可读性和可维护性。
四则运算自动生成程序安装包
04-29
四则运算自动生成程序安装包
基于Linux的私有文件服务器(网盘).zip
04-29
基于Linux的私有文件服务器(网盘)
tensorflow faster r-cnn
03-16
TensorFlow Faster R-CNN是一种基于TensorFlow框架的目标检测算法，它使用了Faster R-CNN算法的思想，通过引入Region Proposal Network（RPN）来生成候选框，然后使用RoI Pooling层来提取特征并进行分类和回归。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 18
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