云端配置detectron2环境

TranquilGlow

已于 2023-08-06 15:07:53 修改

阅读量175

点赞数 1

分类专栏： Python 文章标签： python pytorch

于 2023-08-06 09:50:48 首次发布

本文链接：https://blog.csdn.net/everything_study/article/details/132127899

版权

Python 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

云端配置detectron2环境以及别的环境

选择云服务器

我选择这个AutoDL云服务器,

1. 价格

因为这个云服务器感觉相比其他的,价格更便宜,同时GPU的数量也挺多的4090才需要2.6元一个小时,同时这个

3090是1.6 2080Ti才0.9元一个小时

2. 可存储镜像的空间大小

你可以在镜像盘中存储你配置好的环境,下次打开的时候就不用重新进行配置了

免费空间是30个G,超出部分,1G一毛钱,感觉这个价格真的很公道

3. 数据空间大小

免费空间可以有100个G

4. 社区镜像丰富

1.选择镜像

在社区镜像中选择这个detectron2镜像

运行下面的示例代码

2. 示例代码

import os
import cv2
from detectron2 import model_zoo
from detectron2.config import get_cfg
from detectron2.data import MetadataCatalog
from detectron2.utils.visualizer import Visualizer
from detectron2.engine import DefaultPredictor

# 加载配置文件和预训练权重
cfg = get_cfg()
cfg.merge_from_file(
    model_zoo.get_config_file("COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml")
)
cfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST = 0.5  # 设置置信度阈值
cfg.MODEL.WEIGHTS = model_zoo.get_checkpoint_url(
    "COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml"
)

# 构建Detector预测器
predictor = DefaultPredictor(cfg)

# 加载要测试的图片
image_path = "2.jpeg"
image = cv2.imread(image_path)

# 进行目标检测
outputs = predictor(image)

# 可视化结果
v = Visualizer(image[:, :, ::-1], MetadataCatalog.get(cfg.DATASETS.TRAIN[0]), scale=1.2)
out = v.draw_instance_predictions(outputs["instances"].to("cpu"))
result_image = out.get_image()[:, :, ::-1]

# 保存目标检测后的结果
save_dir = "image"
os.makedirs(save_dir, exist_ok=True)
save_path = os.path.join(save_dir, "result.jpg")
cv2.imwrite(save_path, result_image)

print("目标检测结果已保存到:", save_path)