（linux）Faster-RCNN pytorch目标检测1：环境配置gpu+anaconda+pycham+ RTX2080ti 笔记

已于 2023-03-12 13:58:08 修改
阅读量659 收藏 10
点赞数 1
分类专栏： Faster-RCNN pytorch Linux 文章标签： 深度学习 pycharm linux python pytorch Powered by 金山文档
于 2023-03-11 14:07:21 首次发布
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/chao_xy/article/details/129461932
版权

前言

（linux）Faster-RCNN pytorch目标检测1：pytorch1.10.1环境配置gpu+anaconda+pycharm+RTX2080ti 笔记，包括如何在anconda创建Faster-RCNN虚拟环境和用pycham为项目配置Faster-RCNN虚拟环境。

  1. 部分参考： Faster-RCNN.pytorch的搭建、使用过程详解（适配PyTorch 1.0以上版本）

  1. Faster-RCNN pytorch1.0链接https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0，建议直接下载后提取

  1. 如果无法上github,百度云盘链接：https://pan.baidu.com/s/1mde9g4FN68TTPamRMl_kBw?pwd=s5sb 提取码：s5sb， 或者csdn资源Faster-RCNNpytorch1.0，vgg16-caffe.pth和resnet101-caffe.pth包含Faster-RCNN pytorch1.0源码和要用到的预训练模型vgg16_caffe.pth、resnet101_caffe.pth

  1. pycharm汉化Pycharm汉化简单图文教程

anconda虚拟环境创建

  1. 在Faster-RCNN pytorch文件夹打开终端，创建：conda create –n farcnn python=3.6

  1. 激活：conda activate farcnn

  1. nvidia-smi确认自己的cudaVersion

  1. 不要直接用pip install -r requestment.txt文件安装，linux系统不会看你目前环境是否有包已安装，并直接默认安装cuda=11.7的最高版本pytorch.

  1. 安装pytorch：conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

  1. 单独安装对应版本的opencv，在Links for opencv-python 下载，然后pip install opencv_python-4.2.0.34-cp36-cp36m-manylinux1_x86_64.whl

  1. pip install scipy==1.2.1

  1. pip install msgpack

  1. pip install easydict

  1. 其他包就由pycharm配置，关闭终端，打开pycharm

用pycham为项目配置yolo虚拟环境

  1. 用pycham打开Faster-RCNN pytorch项目

  1. pycham为项目配置虚拟环境

  1. 取消自动创建，配置我们刚刚创建的环境

  1. 点击设置

  1. 选择刚刚配置的farcnn虚拟环境的python3.6文件，一般在(anaconda安装路径) /anaconda/envs/farcnn/bin内（下图是其它项目的，类似路径）

  1. 最后一路点确定

  1. pycharm打开终端，如果你成功选择了相应的虚拟环境，()内就会显示你的虚拟环境名称

  1. 打开requestments.txt，点击“安装要求”，pycharm就会配置其余的包

  1. 等待项目环境配置完成

编译

关闭pycharm,在Faster-RCNN pytorch文件夹打开终端，激活farcnn虚拟环境，依次执行

conda activate farcnn

cd lib

pyhon setup.py build develop

等待编译完成

环境配置完成

训练见后续（linux）Faster RCNN-pytorch1.0目标检测2：训练自己的数据集，gpu，pycharm, RTX2080ti，训练笔记

chao_xy
关注
  • 1
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
maskrcnn benchmark pytorch 训练+测试
weixin_43716602的博客
09-11 1556
项目网址：maskrcnn benchmark 系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录前言一、环境搭建1.准备工作出现的问题1解决方案1：二、数据集准备1.labelme2coco2.更改配置文件三、训练测试总结 前言 文章主要记录在windows下和linux下使用maskrcnn进行环境搭建 训练 测试 的过
pytorch-使用Pytorch实现的faster-rcnn目标检测算法.zip
03-02
在计算机视觉领域，目标检测是一项关键技术，用于识别和定位图像中...提供的zip文件“pytorch_使用Pytorch实现的faster-rcnn目标检测算法”应该包含了实现该算法所需的代码、数据集和配置文件，可供进一步研究和参考。
（linux）Faster RCNN-pytorch1.0目标检测2：训练自己的数据集，gpu，pycharm, 训练笔记
chao_xy的博客
03-11 602
（linux）Faster RCNN-pytorch1.0目标检测2：训练自己的数据集，gpu，pycharm, RTX2080ti，训练笔记。报错ImportError: cannot import name '_mask '解决在最后
跑通Faster-RCNN Pytorch-1.0以及如何训练自己的数据集（详细到发抖）
热门推荐
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.
跑faster-rcnn pytorch版本踩的坑
sinat_36725556的博客
07-30 1316
跑faster-rcnn pytorch版本踩的坑 1.ImportError: cannot import name ‘_mask’ 参考解决 #1.下载cocoapi代码,编译它 cd data git clone https://github.com/pdollar/coco.git cd coco/PythonAPI make #2.删除之前lib目录下的pycocotools文件夹，把新的coco/PythonAPI下在这个拷过去 #3.删除lib下旧的build文件夹，重新编译 cd lib p
Win10/Ubuntu16.04+RTX2070+Cuda10+deepin-wine软件+Anaconda+Pycharm2018+Pytorch1.0+faster-rcnn
cunyizhang的博客
02-27 2918
前言 记笔记真的非常有必要，因为好记性不如烂笔头，曾经填过的坑不仅可以帮助爬坑人，也可以帮助自己日后不小心又掉进坑的时候，能够快速爬出来！！！ 目录 Ubuntu16.04LTS安装+磁盘分区 NVIDIA显卡驱动安装+CUDA10.0/CUDNN7.4安装 deepin-wine软件安装 Anaconda3 安装 Pycharm2018专业版安装...
Ubuntu下基于Pytorch的Faster-rcnn环境部署
贾路飞的博客
03-19 1746
Faster-rcnn代码下载地址，根据作者要求执行此代码需要Pytorch1.0+Python3.6+CUDA 8.0 or higher，我的设备环境如下： Ubantu18.04+Anaconda3+Pycharm+GTX1650(4G显存)+CUDA10.0+CUDNN+Pytorch1.0.0+Python3.6 第一步:安装Pycharm和Anaconda 具体安装步骤可以参看w...
跑通pytorch版Faster RCNN并训练自己的数据
goodatfrida的博客
07-18 4826
跑通pytorch版faster rcnn并训练自己的数据 一、环境配置 系统配置——ubuntu16.04 cuda10.0+cudnn7.5.0——参考https://blog.csdn.net/wanzhen4330/article/details/81699769 Python3.6+Anaconda PyTorch1.0.0——官网https://pytorch.org/get-started/previous-versions/ conda install pytorch==1.0.0 torc
Ubuntu18.04+RTX 2080Ti+CUDA 10.0 +cuDNN+PyTorch搭建深度学习环境
06-30 701
注意tensorflow-gpu-2.0有几处代码改动，在跑faster-rcnn的时候有点问题，所以后面需要把tensorflow-gpu版本改成1.1+的。 我这里的环境是： Ubuntu16.04+2080ti+Display Driver430.50+cuda10.0+cudnn7+Anaconda(python3.6)+tensorflow-gpu-1.13.1 1. 显卡驱动: 版本430.50，有不同的安装格式，这里我下的是runfile。 安装显卡驱动步骤： （1）lsmod
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 1167
Mask_RCNN在40系类显卡下的环境配置
faster-rcnn-pytorch:python pytorch faster-rcnn 目标检测 简单 零基础
05-23
《基于PyTorch的Faster R-CNN目标检测框架初探》 在计算机视觉领域，目标检测是一项核心任务，它涉及到识别图像中的特定物体并确定它们的位置。Faster R-CNN（快速区域卷积神经网络）是这类问题的先进算法之一，由...
Faster-rcnn:我对Faster-RCNN（Pytorch）的实现
05-14
进度提示（已终结） 完成README...对模型部分进行注释开发环境Ubuntu16.04（i5-7500 + GTX 1070Ti ） + python3.5 + Pytorch0.3.0文件夹说明1、Data：　picture_data/Annotations--存放图片标注的xml文件（手动存放）　
faster-rcnn-pytorch-master （目标检测项目）.zip
03-25
该项目是基于pytorch框架的faster-rcnn目标检测项目 该项目涵盖知识点众多，内容详细，适合新手小白上手 下载后修改文件路径后即可训练 如果过程中出现没有模块的情况请下载我的faster-rcnn的模块资源，进行等价替换...
目标检测模型-Faster-RCNN模型-Pytorch版本
05-13
Faster R-CNN（Faster Region-based Convolutional Neural Network）是一种流行的目标检测框架，由Shaoqing Ren、Kaiming He、Ross Girshick和Jian Sun在2015年提出。Faster R-CNN在目标检测领域具有里程碑意义，...
**卷积神经网络典型CNN**
HP2LF的博客
07-23 1327
SeNet(Squeeze-and-Excitation Networks)是ImageNet 2017年分类任务冠军，核心思想是：Squeeze(挤压、压缩)和Excitation(激励)两个操作，其主要目的是通过显示的构建特征通道之间的相互依赖关系，采用特征重定向的策略，通过学习的方式自动的获取每个特征通道的重要程度，然后依据***这个重要程度去提升有用的特征，并抑制对于当前任务用处不大的特征。Squeeze特征压缩操作，将每个feature map的特征数据使用全局平均池化操作转换为一个数值(实数)，
GPU驱动、CUDA 、cuDNN 和CUDA Toolkit之间的关系（深度学习小白必懂）
weixin_44115575的博客
07-23 1219
GPU驱动、CUDA、cuDNN和CUDA Toolkit之间有着紧密的关系，它们共同构成了一个完整的GPU编程和深度学习开发环境。 在最初配置anaconda环境时一直搞不明白它们之间的关系。所以根据自己的理解，通俗详细解释它们各自的角色和相互间的关系，并且列举了一些在anaconda虚拟环境中的例子。 不对的地方希望大家指正。
pycharm关闭项目时，页面卡住了，怎么办？
weixin_73699630的博客
07-22 424
在关闭pycharm时，有时会遇到卡在退出进度条的界面，很讨厌，那我们要怎么办才能退出呢？说明：本篇文章不是从根源上解决这个问题，无法避免这种情况。
PyCharm 2024.1最新变化
最新发布
m0_66995023的博客
07-24 461
PyCharm 现在集成了对 Hugging Face 模型和数据集的支持，允许用户直接在 IDE 内预览模型和数据集的文档。当鼠标悬停在模型或数据集名称上时，IDE 将显示一个弹出窗口，其中包含相关的描述信息，减少了查找外部文档的需要。新的审查模式与编辑器紧密集成，便于作者和审查者之间的直接互动。PyCharm 2024.1 增加了 Django 模板的实时预览功能，这改变了编辑模板的体验。当检查拉取/合并请求时，审查模式会自动激活，并在编辑器的装订区域中用紫色标记表示代码更改。
利用pyqt5为目标检测faster-rcnn-pytorch添加gui界面
09-03
利用PyQt5为目标检测Faster-RCNN-PyTorch添加GUI界面是一种很好的方式，可提供用户友好的交互界面，方便用户使用和了解检测结果。下面是一种可能的实现方式： 首先，我们需要安装PyQt5库。使用以下命令在终端中安装： ``` pip install PyQt5 ``` 接下来，我们需要创建一个主窗口来容纳GUI界面。使用PyQt5的QMainWindow类，我们可以轻松创建一个窗口。使用以下代码创建一个名为MainWindow的主窗口： ```python from PyQt5.QtWidgets import QMainWindow class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("目标检测GUI") self.setGeometry(100, 100, 800, 600) # 设置窗口的位置和大小 ``` 然后，我们可以在主窗口中添加各种GUI元素，例如按钮、标签和图像显示区域。根据需要，您可以根据您的要求进行自定义。以下是一个示例： ```python from PyQt5.QtWidgets import QLabel, QPushButton class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("目标检测GUI") self.setGeometry(100, 100, 800, 600) self.label = QLabel(self) self.label.setGeometry(10, 10, 780, 480) self.button = QPushButton("开始检测", self) self.button.setGeometry(10, 500, 780, 50) self.button.clicked.connect(self.start_detection) def start_detection(self): # 在此处添加目标检测的代码 pass ``` 最后，我们需要在主函数中初始化应用程序并显示主窗口。使用以下代码： ```python from PyQt5.QtWidgets import QApplication import sys if __name__ == "__main__": app = QApplication(sys.argv) window = MainWindow() window.show() sys.exit(app.exec()) ``` 您可以在`start_detection()`方法中添加您的目标检测代码。这样，当用户点击“开始检测”按钮时，将会调用该方法并执行目标检测。 以上是利用PyQt5为目标检测Faster-RCNN-PyTorch添加GUI界面的一种实现方式。您可以根据需要进行进一步的自定义和改进，以实现更好的用户体验和功能。
评论
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