2024年最新3天AI进阶实战营——多目标跟踪，2024年最新阿里巴巴面试算法题

本文链接：https://blog.csdn.net/m0_60707685/article/details/138690521

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

安装环境依赖的代码：

%cd /home/work/PaddleDetection

!pip install -r requirements.txt

5.以上任务完成后记得保存并停止运行Notebook，避免浪费免费算力资源

记得截图最后一步操作界面发送至群中完成打卡

打卡截图示例：

Day2

===============================================================

今日的任务是模型训练与评估，有两种方法，请务必把两种方法都了解之后选择其中一种进行操作。

方法一：

1.启动运行并打开Notebook

2.重新升级PaddlePpaddle，仅需把原本代码中的2.1.3改为2.2.2，然后重新运行即可**

修改后代码：

!python -m pip install paddlepaddle-gpu==2.2.2.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

运行完成页面如下图

3.重新安装环境依赖，注意，每次重新启动打开Notebook都需要重新安装环境依赖

运行完成页面如下图

4.配置文件路径

点开PaddleDetection-dataset-mot文件夹，然后右键自行新建两个文件夹，分别命名为：image_lists和visdrone_mcmot_vehicle

然后点开数据集文件夹（visdrone_mcmot_vehicle），把visdrone_mcmot_vehicle.train和visdrone_mcmot_vehicle.val两个文件复制到刚刚创建的PaddleDetection-dataset-mot-image_lists中，再把数据集文件夹中剩下的六个文件复制（剪切）到刚刚创建的visdrone_mcmot_vehicle中

5.模型训练

代码：!python -m paddle.distributed.launch --log_dir=./mcfairmot_dla34_30e_1088x608_visdrone_vehicle/ --gpus 0 tools/train.py -c configs/mot/mcfairmot/mcfairmot_dla34_30e_1088x608_visdrone_vehicle_bytetracker.yml

因为训练的是全量数据，所以训练时间可能会较长，可以自行查看每段运行代码的后半部分，eta：后面的时间即为剩余训练时长，如较长可选择方法二

运行完成页面如下图：

6.模型评估

代码：!CUDA_VISIBLE_DEVICES=0 python tools/eval_mot.py -c configs/mot/mcfairmot/mcfairmot_dla34_30e_1088x608_visdrone_vehicle.yml -o weights=output/mcfairmot_dla34_30e_1088x608_visdrone_vehicle/model_final.pdparams

运行完成页面如下图：

方法二：

方法二是把PaddleDetection更换为已经整理好代码文件的版本，因此不用配置数据集路径，比方法一简单一些。

可以创建一个新的Notebook任务（创建方法见day0操作教程前半部分），然后从本方法的第三步开始操作。

也可以不创建新的Notebook任务，从本方法的第一步开始做。但是需要先删除之前下载好的PaddleDetection和数据集，否则影响操作。

1.启动运行并打开Notebook

2.文件-新建启动页-Notebook

自行点击+Code添加代码框，想要添加注释可以自行点击+Markdown

3.升级PaddlePpaddle

升级代码：

!python -m pip install paddlepaddle-gpu==2.2.2.post101 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

运行完成页面如下图：

4.下载新的PaddleDetection文件，上传压缩包至Notebook

下载链接：https://aistudio.baidu.com/aistudio/datasetdetail/128844

5.解压PaddleDetection

解压代码：!unzip /home/work/PaddleDetection.zip

运行完成页面如下图

6.安装环境依赖：

代码：%cd /home/work/PaddleDetection

!pip install -r requirements.txt

运行完成页面如下图：

7.模型训练

代码：

!python -m paddle.distributed.launch --log_dir=./mcfairmot_dla34_30e_1088x608_visdrone_vehicle/ --gpus 0 tools/train.py -c configs/mot/mcfairmot/mcfairmot_dla34_30e_1088x608_visdrone_vehicle.yml

因为这个PaddleDetection是整理过的，数据量较小，epoch（训练轮数）也较小，所以训练时间较短。（相应的，精度可能比不上方法一）