在Colab上部署mmdetection

最新推荐文章于 2023-10-24 12:01:41 发布
VIP文章 最新推荐文章于 2023-10-24 12:01:41 发布
阅读量765 收藏 6
点赞数 1
文章标签： 深度学习
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/m0_50299150/article/details/120590878
版权

首先在修改–>笔记本设置里选择GPU以便于后续按照依赖GPU的包

首先进行挂载：
在这里插入图片描述

然后连接到自己的硬盘里：
在这里插入图片描述
查看路径和当前目录的文件，这里我已经安装过mmdetectionl所以有这个文件，第一次执行是没有的

在这里插入图片描述
git一下mmdetection的源码
在这里插入图片描述
进入mmdetection目录下：
在这里插入图片描述
下载依赖文件：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在mmdetection文件夹下新建checkpoints目录，进入并下载模型文件cascade_rcnn_r50_fpn_20e_20181123-db483a09.pth

在这里插入图片描述#pic_center
在/mmdetectio

最低0.47元/天 解锁文章
Far_Rainbow
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
mmdetection源码笔记（二）：创建网络模型之cascade_rcnn.py的解读（中）
Activewaste
08-18 9006
引言： cascade_rcnn.py文件在moels/detections文件夹下。本次对文件cascade_rcnn.py的代码解读，是根据py配置文件configs/cascade_rcnn_r50_fpn_1x.py的数据信息进行讲解的。 moels/detectionscascade_rcnn.py文件中 主要的内容如下： __init__() ：module的构造函数。 init_w...
Paddle-Human 行为识别 | 使用NTU-RGB-D自定义数据集训练STGCN动作识别模型 （二）
Andrwin的博客
04-19 6089
上文说到Paddle-Human开源了行为识别模型，但是只能识别摔倒行为，那么现在我们将让模型能够识别更多行为。 一、训练环境搭建 项目地址： https://github.com/PaddlePaddle/PaddleVideohttps://github.com/PaddlePaddle/PaddleVideo训练STGCN是在PaddleVideo开发套件中完成的 环境可以直接沿用上一篇博客里面的环境，毕竟torch装一遍太慢了Paddle-Human 实时行人分析 | 安装测试指南_訢詡的博
cascade_rcnn_dconv_c3-c5_r50_fpn_1x_20190125-dfa53166.pth
05-04
cascade_rcnn_dconv_c3-c5_r50_fpn_1x_20190125-dfa53166.pth深度学习公开模型文件。使用coco数据集训练。
mmdetection训练VOC数据
DreamLike_zzg的博客
05-30 603
训练自己数据 VOC格式 目录 1、加入类别name定义 2、定义dataset 3、修改config.py 1、加入类别name定义 # mmdetection\mmdet\core\evaluation\class_names.py def voc_trash_classes(): return [ '一次性快餐盒', '书籍纸张', '充电宝', '剩饭剩菜', '包', '垃圾桶', '塑料器皿', '塑料玩具', '塑料衣架', '大骨头',
GPU及Colab部署ChatGLM-6B
最新发布
Momosaki的博客
10-24 548
这篇是默认比如Pytorch等等东西都配置好了就不做过多解释，本文内容只是个人安装ChatGLM-6B的记录。根据下载下来的源码，找到web_demo.py文件打开，把路径修改为chatglm-6b模型在自己本地的地址。我下不下来，最后是直接上Hugging Face下载的[Hugging Face/ChatGLM-6B](按照官方给出的文档，可以通过以下代码调用ChatGLM-6B模型来生成对话。我折腾到这步的时候才发现自己的GPU跑不了，然后换成Colab了。是当前最新的版本号，完整的版本列表见。
Google Colab 部署自己的机器学习项目
CaoChengtai的博客
07-03 5446
目录1. 介绍2.准备工作3.步骤3.1 进入 google driver：https://drive.google.com3.2 右键上传项目所在的文件夹：![在这里插入图片描述](https://img-blog.csdnimg.cn/20190703225748367.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,sha...
在Colab平台上用mmdetection中的Cascade RCNN训练自己的voc数据集
qq_51695220的博客
10-15 1633
本文主要是为了帮助像我一样的没有GPU来进行mmdetection上相关模型训练的cv初学者，如果只是简单的项目的话，希望你不要因为本地没有GPU而烦恼（不得不说Cascade RCNN的精确度确实很顶，小目标检测太绝了）。
【天池比赛】数智重庆.全球产业赋能创新大赛【赛场一】物体检测
lucky_kai的博客
12-31 1184
Update List 2020/1/1 : Code Link: 本次开源，是帮助小白，有什么问题，欢迎留言，有什么建议，也欢迎留言 本次比赛，大多数同学都是使用mmdetection,使用mmdetection第一步就是应该了解config文件. 由于大部分代码来源mmdet,所以暂时只上传config。 cascade_rcnn_r50_fpn_1x.py # fp16 settings ...
使用Colab训练步骤（有点mmdetection内容）
孟孟单单的博客
06-11 1121
colab
【colab】在colab上使用mmdet训练自己的数据
qq_41627396的博客
02-04 4698
在colab上使用mmdet训练自己的数据集
mmdetection测试权重文件--faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth
04-23
mmdetection测试权重文件--faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth
使用tensorflow框架在Colab上跑通猫狗识别代码
09-16
主要介绍了使用tensorflow框架在Colab上跑通猫狗识别代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
在 Google Colab 上运行 GPT4All
04-26
下载我将介绍如何在 Google Colab 上运行 GPT4ALL。
MineColab：在Google Colab上运行Minecraft服务器
02-03
MineColab：在Google Colab上运行Minecraft服务器
carla-colab:如何在colab上运行CARLA模拟器
05-10
在Google Colab上运行CARLA模拟器 是用于自动驾驶研究的开源模拟器。 由于对硬件的要求很高，因此对于学生在colab上运行它可能很有用。 该存储库中的笔记本显示了如何在colab上运行和可视化CARLA。
Julia-on-Colab：在Google Colab上运行Julia的笔记本
02-04
Julia-on-Colab：在Google Colab上运行Julia的笔记本
在colab上部署novelAI
qq_45195912的博客
12-17 1531
本文旨在让读者能够在colab上部署novelai
mmclassification注意事项-修改、增加模块，测试时参数说明
黛玛日孜的博客
08-07 1053
1.测试image_demo.py效果时，在windows下传入参数为绝对路径，不然可能找不着。 2.测试时参数说明test.py 3.修改、增加模块 3.1配置文件D:\Code\mmclassification\configs\resnet\GWF_resnet18_8xb32_in1k.py中 （1）neck （2）loss--示例增加L1Loss，并进行debug （3）数据增强--颜色抖动、mixup （4）修改配置文件其他参数--加预训练模型、修改学习率...
mmdetection官网教程
PerHism的博客
04-22 3467
使用： 使用现有模型进行推理： from mmdet.apis import init_detector, inference_detector import mmcv # 指定模型的配置文件和 checkpoint 文件路径 config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py' checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047
如何在colab上运行VTK？
07-13
在Colab上运行VTK（Visualization Toolkit）需要进行以下步骤： 1. 安装必要的软件包：在Colab的代码单元格中，使用以下命令安装VTK和相关软件包。 ```python !pip install vtk !apt-get update !apt-get install -y xvfb x11-utils !pip install pyvirtualdisplay !pip install EasyProcess ``` 2. 设置虚拟显示：在Colab的代码单元格中，使用以下代码设置虚拟显示。 ```python from easyprocess import EasyProcess from pyvirtualdisplay import Display display = Display(visible=0, size=(800, 600)) display.start() xvfb = EasyProcess(['Xvfb', ':1', '-screen', '0', '800x600x16']) xvfb.start() ``` 3. 导入VTK并进行测试：在Colab的代码单元格中，使用以下代码导入VTK并进行简单的测试。 ```python import vtk # 创建一个简单的VTK场景 renderer = vtk.vtkRenderer() renderWindow = vtk.vtkRenderWindow() renderWindow.SetWindowName("VTK Example") renderWindow.AddRenderer(renderer) # 创建一个简单的VTK演员 coneSource = vtk.vtkConeSource() coneMapper = vtk.vtkPolyDataMapper() coneMapper.SetInputConnection(coneSource.GetOutputPort()) coneActor = vtk.vtkActor() coneActor.SetMapper(coneMapper) # 将演员添加到场景中 renderer.AddActor(coneActor) # 创建一个渲染窗口交互器并启动事件循环 renderWindowInteractor = vtk.vtkRenderWindowInteractor() renderWindowInteractor.SetRenderWindow(renderWindow) renderWindow.Render() renderWindowInteractor.Start() ``` 以上是在Colab中运行VTK的基本步骤。请注意，由于Colab是基于云的环境，可能会受到一些限制，并且可能会在性能方面有所不同。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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