深度学习
暗飞声
这个作者很懒,什么都没留下…
展开
-
安装pycocotools到自己的环境中
https://github.com/philferriere/cocoapi下载源码,并进行解压。打开Anaconda Prompt切换自己的环境并切换到 cocoapi\PythonAPI目录。运行以下指令:python setup.py build_ext install安装完成安装maskrcnn-benchmark下载 https://github.com/Idolized22/maskrcnn-benchmark.git 源码切换自己的环境.原创 2021-12-23 22:16:46 · 1970 阅读 · 0 评论 -
Win10上配置tensorflow(GPU版本)--NVIDIA 驱动+CUDA+cuDNN运算开发环境
安装tensorflow-gpu版本对应cuda和cudnn版本参考 https://tensorflow.google.cn/install我已下面红框的版本为例,我的显卡是GTX1050显卡(该显卡是入门级显卡,在深度学习方面远远不够,环境配好之后只是在笔记本上调代码,没有bug后拷贝到服务器上去跑)1.安装vs2013、2015或者20172. 安装显卡驱动2.1 查看显卡型号。右键计算机->设备管理器->显示适配器我的电脑的GPU是NVIDIA GeForce原创 2020-08-28 15:48:25 · 974 阅读 · 0 评论 -
Xshell+Xftp+Xming实现远程连接服务器上传代码运行服务器上的pycharm
服务器:ubuntu16.04,已安装linux版本的anaconda,已安装linux版本的pycharm(社区版、专业版等等都可以)自己电脑:win10,已安装Xshell,Xming,Xftp安装Xming打开Xming的安装目录,找到文件“X0.hosts”(以文本形式打开这个文件,在这个文件中写入服务器的ip地址),如下:利用xshell连接服务器,编辑配置vim ~/.bashrc添加自己电脑的ip地址(提示:一般校园网是动态ip,每次连接校园网你的ip可能会原创 2020-11-26 09:56:06 · 680 阅读 · 3 评论 -
pycharm连接服务器并上传代码运行
服务器:ubuntu16.04,已安装anaconda自己电脑:pycharm专业版(社区版不具备远程开发功能),Xshell利用Xshell连接上服务器查看conda的版本conda --version查看当前环境conda info -e此时只有一个base环境,这个是默认环境,接下来创建自己的环境conda create -n 环境名称(自己起) python=3.6(python版本看自己的需求选择)此时再查看环境此时我的环境创建好了,在我的用原创 2020-11-25 12:21:08 · 969 阅读 · 6 评论 -
labelme标记工具安装及批量转化json文件
直接在anaconda环境安装安装完之后labelme启动标记过程省略,标记完之后生成json文件,json文件需要进行转化批量转化教程找到labelme安装路径下的json_to_dataset.py这个自带的json_to_dataset.py一次只能转化一个json,所以要进行批量更改代码,将以下代码替换原本代码import argparseimport jsonimport osimport os.path as ospimport w.原创 2020-08-29 14:00:12 · 405 阅读 · 0 评论 -
windows下Tensorflow(cpu版本)环境配置---Anaconda+Python3.6+tensorflow
1 Anaconda安装Anaconda是一个用于科学计算的Python发行版,提供了包管理与环境管理的功能,可以很方便地解决多版本python并存、切换以及各种第三方包安装问题,并且已经包含了Python和相关的配套工具。Anaconda利用工具/命令conda来进行package和environment的管理。1.1 首先打开网址https://www.anaconda.com/download/#windows,进入如下页面,选择相应的Python,页面如下:1.2 下载之后点击运行就原创 2020-08-28 15:17:21 · 310 阅读 · 0 评论 -
Maskrcnn训练RGB-D四通道图片
网上的开源的Mask R-CNN代码是以RGB图像作为默认输入图像的,如果需要处理4通道图像,需要对源码进行一定的修改,参考github以为大神的解决方案,Github地址。1、在子类中Config,设置IMAGE_CHANNEL_COUNT为42、在Config中,将MEAN_PIXEL从3个值更改为4个值,需要对数据集的深度图求解均值。(平均像素值是根据你的训练集数据求出)3、将utils.py中的Dataset类中的load_image方法进行修改。将下图的红色区域直接删掉原创 2020-09-09 20:00:18 · 3065 阅读 · 12 评论