Pytorch版Faster R-CNN配置运行填坑记录

最新推荐文章于 2023-12-13 13:16:09 发布
最新推荐文章于 2023-12-13 13:16:09 发布
阅读量939 收藏 6
点赞数 2
分类专栏： 机器学习 文章标签： 深度学习 pytorch
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/Watermelon1986/article/details/110232782
版权

Pytorch Faster R-CNN配置运行填坑记录

系统环境配置

之前一直在用Nvidia GTX1080Ti做实验，用到的代码及整套开发环境的版本都较老（Python2.7+Pytorch0.4.0+CUDA8.0），由于20系列显卡或30系列显卡都不再支持CUDA8.0，所以需要进行一次整体升级，在此做一个升级配置环境的填坑记录。

项目地址

https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0
注意是pytorch-1.0分支不是master分支，仔细阅读 README.md 文件，准备好需要的数据集和预训练模型，安装好相关依赖包，一定要记得执行以下命令：

cd lib
python setup.py build develop

运行环境

源项目推荐环境为：

  • Python 2.7 or 3.6
  • Pytorch 1.0 (for Pytorch 0.4.0 go to master branch)
  • CUDA 8.0 or higher

我的配置环境：

  • Python3.7
  • Pytorch1.4.0
  • CUDA10.1
  • Nvidia RTX2080Ti
  • Ubuntu16.04

（亲测Windows环境下问题更多，最后卡在一个问题上果断放弃，选择了Ubuntu）

问题汇总

1. 问题：ImportError: cannot import name ‘_mask’ from 'pycocotools’
解决：由于作者应该是用python2.7编译的，若确认已执行 python setup.py build develop，参考：

最低0.47元/天 解锁文章
Watermel0n丶
关注
专栏目录
Pytorch版Faster R-CNN训练自己数据集
Xinyu_cheng的博客
04-15 9220
引言 最近在做目标检测方面的代码复现，复现过程中也遇到了一些问题，现在把整个过程遇到的问题记录一下，过程分享一下。 一、Faster R-CNN 代码下载pytorch版源码：https://github.com/jwyang/faster-rcnn.pytorch.git 具体配置文中讲得很清楚，需要准备数据集、与训练的模型VGG-16 or ResNet 101（不是直接可以用的模型） 我的代...
Pytorch版Faster R-CNN 源码分析+方法流程详解
lzm1028928096的博客
12-28 5755
Pytorch版Faster R-CNN 源码+方法流程详解 参考文章/博客/论文/源码： 论文：https://arxiv.org/pdf/1506.01497.pdf 源码：https://github.com/jwyang/faster-rcnn.pytorch 文章：Tensorflow版源码分析：https://zhuanlan.zhihu.com/p/32230004 环境配置： ...
运行faster-rcnn/pytorch/jwyang版本出现的错误
XXXX_T
12-19 1911
参考： 1. githubhttps://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0 2. 运行方法https://www.cnblogs.com/wind-chaser/p/11359521.html作者wind-chaser（如版权声明形式不规范我会及时更改的！！） 问题： Q1：torch.utils...
解决报错RuntimeError: CUDA error: invalid device function Segmentation fault (core dumped)
weixin_44012382的博客
07-30 7856
首先看一下完整的报错： Traceback (most recent call last): File "train_cross-modal.py", line 414, in <module> train() File "train_cross-modal.py", line 292, in train edge_time.to(device), edge_index.to(device), edge_type.to(device)) File "/home/a
Faster R-CNN基于pytorch的原理
zm147451753的博客
03-27 1526
相关资料以及下载 代码地址：https://github.com/ruotianluo/pytorch-faster-rcnn.git 原理参考：https://blog.csdn.net/zm147451753/article/details/88218619 代码编译和运行 代码使用方法，暂时没找到win系统下的方法，为此，我安装了unbuntu，还是蛮好用的。 代码的编译运行...
pytorch版本的faster rcnn训练测试自己的数据集
qq_38497266的博客
07-30 4953
源码地址：https://github.com/jwyang/faster-rcnn.pytorch 环境：Ubuntu 16.04、python2.7或3.6，显卡GTX1080Ti，pytorch0.4.0，CUDA8.0 一、环境配置： 1.1、 系统环境：Ubuntu 16.04：安装教程：https://jingyan.baidu.com/article/3c48dd348bc00...
跑通Faster-RCNN Pytorch-1.0以及如何训练自己的数据集（详细到发抖）
HeiZee的博客
12-04 1万+
目录 1.环境配置 1.1 安装cuda 1.2 安装cudnn 1.3 安装Pytorch 2.Faster-RCNN 2.1 下载Faster-RCNN pytorch1.0代码 1.环境配置 系统：ubuntu20.04 显卡：RTX3060 cuda11.3+cudnn8.2.1 参考博客：https://blog.csdn.net/wanzhen4330/article/details/81699769 python 3.6 + Anaconda Pytorch-1.7.1 1.
pytorch 1.0实现faster R-CNN，检验自己的数据集
weixin_43869778的博客
07-22 1万+
pytorch 1.0实现faster R-CNN简介Step1、安装Step2、下载特征提取层的预训练(pre-trained)权重Step3、训练前的其他准备1）、准备数据集2）、修改相关代码Step4、开始训练Step4、批量Test训练好的model1、修改demo.py文件[1]2、输入指令3、可能遇到的问题及解决方案： 简介   这个工程实战是***在Ubuntu***系统上基于jwy...
【干货】用mmdetection，在COCO数据集上跑通faster R-CNN（测试、训练）
热门推荐
Activewaste
07-06 2万+
注：刚接触R-CNN、Fast R-CNN、Faster R-CNN，就尝试用mmdetection，在coco数据集上跑Faster R-CNN，训练测试完就来记录一下这个过程的一些坑 参考 mmdetection github网址 跑通mmdetection 安装Anaconda3遇到的几个问题 关于跑通mmdetection，建议主要看第一个网址，第二个网址参考为主，因为我按原博的步骤...
Faster R-CNN 论文详解【论文笔记 + pytorch实现 附.pth权重文件】
Bryce-HJ
08-16 3345
Contents写在前面0 Abstract1 Introduction2 FASTER R-CNN2.1 RPN(Region Proposal Networks)2.1.1 Anchor2.1.2 损失函数2.1.3 训练RPNs2.2 RPN和Fast R-CNN共享特征2.3 实现细节3 汇总网络执行过程3.1 Conv layers3.2 Region Proposal Networks3.3 RoI pooling3.4 Classification3.5 TIPs4 pytorch实现 写在前
FasterRCNN-pytorch:FasterRCNN在VGG，ResNet和FPN基础中实现
05-13
更快的RCNN-pytorch FasterRCNN在VGG，ResNet和FPN基础中实现。 参考： rbg的FasterRCNN代码： : 模型表现 在VOC2017上进行培训在VOC2017上进行测试 骨干 地图 VGG16 0.7061 ResNet101 0.754 训练模型 1.运行前，您需要： 光盘./lib 在make.sh和setup.py中更改gpu_id。 具体来说，您需要在make.sh的第5、12和19行以及setup.py的第143行中修改参数设置，其中包含关键字“ -arch =”取决于您的gpu模型。（选择适当的体系结构，见下表） sh make.sh GPU型号 建筑学 TitanX（麦克斯韦/帕斯卡） sm_52 GTX 960M sm_50 GTX 108（钛） sm_61 网格K520（AWS g2.2xlarge
缺少_mask.pyd的看过来，看过来
03-06
faster-rcnn缺少_mask的错误，因为缺少_mask.pyx生成的_mask.pyd文件
深度学习pytorch环境搭建+nvidia驱动+cuda+pytorch-gpu
cgnsTwelve的博客
02-01 2万+
对于双显卡的笔记本，搭建pytorch的深度学习框架，用gpu加速运算。为了安装pytorch-gpu，只有先在linux上安装nvidia驱动和cuda软件后。才能成功安装pytorch-gpu。 以前看到一篇文章，说笔记本的显卡信息显示如下图时，nvidia驱动在ubuntu上安装不了，不用折腾驱动了。 一般的选择是安装bumblebee或nvidia-prime的软件，对双显卡的
2.1【Pytorch版(torch-cuda版 ) Mask-RCNN 训练自己的数据集】
木易进
05-15 1万+
写在前面：由于课程试验要求，需要基于pytorch实现maskrcnn，so最近又跑了一下pytorch版的maskrcnn，官方已经给出了详细的教程，虽然说支持cpu推理，但是不支持cpu训练啊，奈何手头上只有一个cpu本，也没有nvida显卡，只有intel的集显，so整理一波本次训练maskrcnn的过程。 这篇blog是按照常规的torch版的maskrcnn的训练教程写的，理论上，所依赖的是torch-cuda版本，后续还有一篇是基于torch-cpu版本的。因为在试验过程中先踩了这部分的坑，.
使用Pytorch进行Faster R-CNN目标检测
u013679159的博客
02-13 1万+
在这篇文章中，我们将通过使用pytorch进行faster R-CNN目标检测。我们将学习目标检测从R-CNN到 fast R-CNN到 faster R-CNN的演变过程。 1、图像分类VS目标检测 图像分类用于将类标签分配给输入图像。例如，给定猫的输入图像，图像分类算法的输出是标签“猫”。 在目标检测中，我们不仅对输入图像中的对象感兴趣，而且对它们的位置也感兴趣。 下图说明了图像分类...
RuntimeError: cuda runtime error (8) : invalid device function at /pytorch/torch/lib/THC/generic/THC
学无止境
07-01 3702
一般是 CUDA 编译的问题，编译时候使用的参数与使用的GPU显卡不一致 在 Makefile 里编译的时候有关 CUDA 的参数 arch=compute_61,code=sm_61 参数里边的 61 指的是 GPU 显卡的计算能力，出现这种错误一般是计算能力与 GPU 显卡不符造成的，可以网上查询一下自己 GPU 显卡的计算能力，把这个数值改成自己 GPU 显卡的计算能力，重新编译就可以了 ...
解决RuntimeError: CUDA error: invalid device ordinal
最新发布
PR-XIAOBAI
12-13 2406
用的python版本是3.8torch版本用的1.12.1+cu113运行发现GPU数量为1，原本应该是8.
detectron2库报错
weixin_55514880的博客
12-11 765
并在detectron2/modeling/roi_heads/fast_rcnn.py中添加以下import。
零基础入门：PyTorch实现Faster R-CNN目标检测
资源摘要信息:"Python PyTorch Faster R-CNN 目标检测 简单 零基础.zip" Python是一种广泛使用的高级编程语言，以其清晰的语法和强大的库支持而闻名，特别是在数据科学、机器学习和人工智能领域。PyTorch是一个开源...
评论 2
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