本文是对github上endernewton/tf-faster-rcnn项目的学习分析,以记录学习过程。
其原项目地址:https://github.com/endernewton/tf-faster-rcnn
先进行项目部署,前提是已经安装好整套GPU版深度学习环境。
温馨提醒,在此前或此后的所有过程中,保持戒骄戒躁,耐心非常重要。
一、运行环境
在之前的尝试中,遇到许多挫折,诸如ubuntu下显卡驱动的安装,tensorflow版本与cuda、cudnn版本之间的互相不兼容等等,不一而足。经过诸多尝试之后,本次研究在如下软硬件环境进行:
GPU | 1080Ti |
CPU | I7 4790k |
Memory | 32G |
OS | ubuntu18.04 64位 |
annaconda | Anaconda3-5.2.0-Linux-x86_64 |
python | 3.6.5 |
tensorflow | tensorflow_gpu-1.9.0 |
GPU driver | NVIDIA-Linux-x86_64-418.74 |
cuda | cuda-repo-ubuntu1704-9-0-local_9.0.176-1_amd64 |
cudnn | cudnn-9.0-linux-x64-v7.6.0.64 |
pycharm | pycharm-community-2019.1.1 |
二、开始部署项目
1、从git克隆代码
git clone https://github.com/endernewton/tf-faster-rcnn.git
2、在安装脚本中更新-arch参数。
GPU model | Architecture |
---|---|
TitanX (Maxwell/Pascal) | sm_52 |
GTX 960M | sm_50 |
GTX 1080 (Ti) | sm_61 |
Grid K520 (AWS g2.2xlarge) | sm_30 |
Tesla K80 (AWS p2.xlarge) | sm_37 |
根据上表,对应显卡修改参数:
cd tf-faster-rcnn/lib
# Change the GPU architecture (-arch) if necessary
vim setup.py
如显卡GTX1080Ti,需要修改setup.py中130行的参数:-arch=sm_61
3、保持在tensorflow这个环境中,继续用pip安装cython
, opencv-python
, easydict这三个库。