Mask-RCNN结合docker实战

一、前言：快速部署并使用Mask-RNN模型进行图像识别

二、准备环境：

环境名	版本名
nvidia-docker	Docker version 18.03.1-ce, build 9ee9f40
NVIDIA-SMI	384.69
GPU	GTX 1080 Ti
cuda	release 7.0, V7.0.27

三、详细步骤：

1.拷贝github源代码

git clone https://github.com/facebookresearch/Detectron.git

2.修改Dockerfile

cd $DETECTRON/docker

#将Dockerfile的命令对应修改成下面，不然编译会出错
# Clone the Detectron repository
#RUN git clone https://github.com/facebookresearch/detectron /detectron
RUN git clone https://github.com/facebookresearch/Detectron.git /detectron

3.编译运行镜像

docker build -t detectron:c2-cuda9-cudnn7 .

查看编译后镜像

$ sudo docker images|grep detectron
detectron                                           c2-cuda9-cudnn7                           c3b38ada8cf9        12 days ago         4.13GB

4.启动镜像

sudo NV_GPU=6,7 nvidia-docker run --rm -it -v /home/liuyifeng/:/detectron/detectron/datasets/data/liuyifeng --network=host detectron:c2-cuda9-cudnn7  bash

参数说明

参数	说明
NV_GPU	指定的GPU号数
–rm	进程退出就销毁镜像
–it	terminal形式进入镜像
-v	本机存储/home/liuyifeng挂载到容器的…data/liuyifeng目录
–network	使用本机host网络

5.运行算法

python tools/infer_simple.py     --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml     --output-dir /tmp/detectron-visualizations     --image-ext jpg     --wts https://s3-us-west-2.amazonaws.com/detectron/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl     demo

等待预训练网络模型下载完成，然后就会运行mask_rcnn算法
输出log

demo/34501842524_3c858b3080_k.jpg -> /tmp/detectron-visualizations/34501842524_3c858b3080_k.jpg.pdf
INFO infer_simple.py: 155: Inference time: 0.198s
INFO infer_simple.py: 157:  | im_detect_bbox: 0.157s
INFO infer_simple.py: 157:  | misc_mask: 0.029s
INFO infer_simple.py: 157:  | im_detect_mask: 0.006s
INFO infer_simple.py: 157:  | misc_bbox: 0.006s

6.查看输出文件
输出的为算法处理之后的pdf文件，保存在/tmp/detectron-visualizations/目录下面

(1)demo目录下的原图片

(2)/tmp/detectron-visualizations/目录下mask rcnn处理的图片截图

至此算法的运行步骤已全部完成。

参考

https://github.com/facebookresearch/Detectron/blob/8181a324796202e4afe7660b7458b7bf1e08cf8b/INSTALL.md