Deformable-DETR 安装和配置指南

Deformable-DETR 安装和配置指南

Deformable-DETR Deformable DETR: Deformable Transformers for End-to-End Object Detection. 项目地址: https://gitcode.com/gh_mirrors/de/Deformable-DETR

1. 项目基础介绍和主要编程语言

项目介绍

Deformable-DETR 是一个用于端到端目标检测的开源项目，由 Xizhou Zhu、Weijie Su、Lewei Lu、Bin Li、Xiaogang Wang 和 Jifeng Dai 等人开发。该项目通过引入可变形注意力机制，显著提高了 DETR（DEtection TRansformer）的效率和收敛速度。Deformable-DETR 能够在大大减少训练轮次的情况下，实现比 DETR 更好的性能，尤其是在小目标检测方面。

主要编程语言

该项目主要使用 Python 进行开发，同时也涉及到 CUDA、C++ 和 Shell 脚本。

2. 项目使用的关键技术和框架

关键技术

• 可变形注意力机制：通过在参考点周围采样关键点，减少了计算复杂度，提高了模型的收敛速度。
• Transformer：用于处理图像特征图，实现端到端的目标检测。

主要框架

• PyTorch：深度学习框架，用于构建和训练模型。
• CUDA：用于加速 GPU 上的计算操作。

3. 项目安装和配置的准备工作和详细安装步骤

准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：Linux
• CUDA：版本 >= 9.2
• GCC：版本 >= 5.4
• Python：版本 >= 3.7

安装步骤

1. 创建并激活 Conda 环境

首先，使用 Anaconda 创建一个新的环境，并激活该环境：

conda create -n deformable_detr python=3.7
conda activate deformable_detr

2. 安装 PyTorch 和 TorchVision

根据您的 CUDA 版本安装 PyTorch 和 TorchVision。例如，如果您的 CUDA 版本是 9.2，可以运行以下命令：

conda install pytorch=1.5.1 torchvision=0.6.1 cudatoolkit=9.2 -c pytorch

3. 安装其他依赖项

安装项目所需的其他依赖项：

pip install -r requirements.txt

4. 编译 CUDA 操作符

进入项目的 models/ops 目录，并编译 CUDA 操作符：

cd models/ops
sh ./make.sh

编译完成后，可以运行单元测试以确保所有操作符都正确编译：

python test.py

5. 下载并准备数据集

下载 COCO 2017 数据集，并将其组织到项目的 data 目录下：

code_root/
└── data/
    └── coco/
        ├── train2017/
        ├── val2017/
        └── annotations/
            ├── instances_train2017.json
            └── instances_val2017.json

6. 训练模型

您可以使用以下命令在单个节点上训练 Deformable-DETR：

GPUS_PER_NODE=8 ./tools/run_dist_launch.sh 8 ./configs/r50_deformable_detr.sh

如果您有多个节点，可以在每个节点上运行相应的命令。例如，在两个节点上训练：

节点 1：

MASTER_ADDR=<IP address of node 1>
NODE_RANK=0
GPUS_PER_NODE=8
./tools/run_dist_launch.sh 16 ./configs/r50_deformable_detr.sh

节点 2：

MASTER_ADDR=<IP address of node 1>
NODE_RANK=1
GPUS_PER_NODE=8
./tools/run_dist_launch.sh 16 ./configs/r50_deformable_detr.sh

7. 评估模型

您可以使用以下命令评估训练好的模型：

<path to config file> --resume <path to pre-trained model> --eval

通过以上步骤，您应该能够成功安装和配置 Deformable-DETR 项目，并开始训练和评估模型。

Deformable-DETR Deformable DETR: Deformable Transformers for End-to-End Object Detection. 项目地址: https://gitcode.com/gh_mirrors/de/Deformable-DETR