使用colab训练faster-rcnn pytorch版(代码来源:霹雳吧啦Wz)

纯小白使用colab跑通霹雳吧啦Wz这位老师的GitHub代码:
链接: https://github.com/WZMIAOMIAO/deep-learning-for-image-processing.git

step1:

在这里插入图片描述

step2:下载预训练权重到backbone文件下(我选择的方式是下载到本地电脑然后上传到这个文件下)

1.下载权重到本地
在这里插入图片描述
2.从本地上传到colab
在这里插入图片描述
上传之后的目录:
在这里插入图片描述

step3:下载并解压数据集然后修改train_res50_fpn.py中的相关路径信息

!wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
!wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
!wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

!tar xvf VOCtrainval_06-Nov-2007.tar
!tar xvf VOCtest_06-Nov-2007.tar
!tar xvf VOCdevkit_08-Jun-2007.tar

在这里插入图片描述
在train_res50_fpn.py进行一下修改
在这里插入图片描述
在这里插入图片描述
提示:训练之前入过报错:AttributeError: module ‘torch’ has no attribute ‘_six’,按照下面的方式解决,在faster_rcnn/train_utils/coco_eval.py这个文件下按照下图进行修改:
在这里插入图片描述
在这里插入图片描述
即变成下面这样:
在这里插入图片描述

step4:开始训练

! python train_res50_fpn.py

在这里插入图片描述
总的步骤如下:
在这里插入图片描述
总结一下几个重要的点:
1.下载预训练权重
2.下载数据集
3.修改训练文件中的数据集的路径
4.可能会有其他问题,比如上述遇到的torch.six问题,这个问题我一年前好像需要下载一下包就可以了,现在则需要改一下代码(参考上述),总之bug总会解决的!

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 16
    评论
首先,要在Windows上使用PyTorch训练自己的数据集,需要安装适用于Windows的PyTorch、CUDA和CUDNN等软件。可以通过PyTorch官方网站下载适用于Windows的PyTorch本,并根据官方文档的指引进行安装。 接下来,准备自己的数据集。数据集应该包括图像和相应的标注信息,例如边界框和类别标签。可以使用标记工具(如LabelImg)来手动标注图像,并生成XML或CSV文件以存储标注信息。确保标注信息的格式与训练模型所需的格式一致。 然后,需要编写自定义的数据集加载器。可以创建一个继承自PyTorch的Dataset类的子类,在该子类中实现__getitem__和__len__等方法。在__getitem__方法中,加载图像和相应的标注信息,并对它们进行预处理(如缩放、裁剪等)。同时,可以使用PyTorch提供的transforms模块进行数据增强(如随机翻转、旋转等)。 在训练之前,还需要定义模型结构。可以使用现有的预训练模型,如ResNet,将其与分类器部分替换为适用于目标检测的模型。在Faster R-CNN中,常用的基础模型是ResNet和VGG等。 接下来,定义损失函数和优化器。在Faster R-CNN中,常用的损失函数是RPN(Region Proposal Network)的分类和回归损失,以及分类器和回归器的损失。可以使用PyTorch提供的损失函数模块(如CrossEntropyLoss和SmoothL1Loss)来定义这些损失函数,并选择合适的优化器(如SGD或Adam)进行参数更新。 最后,进行训练使用加载器加载训练数据集,并在每个iteration中将数据传递给模型进行前向传播和反向传播,并进行参数更新。可以根据需要设置训练的epoch数、学习率和批量大小等参数。 需要注意的是,在Windows上训练自己的数据集可能会遇到一些环境配置和依赖问题。在遇到问题时,可以查阅相关文档和社区论坛,寻找解决方案。此外,还可以考虑使用Colab等在线平台来训练模型,这些平台已经预先配置好了环境,并且提供了免费的GPU加速。

“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 16
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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