计算机视觉——yolov3 阿里云环境配置

小白1514

已于 2024-07-08 14:21:37 修改

阅读量453

点赞数 5

文章标签：计算机视觉 YOLO 人工智能

于 2024-06-25 21:02:25 首次发布

本文链接：https://blog.csdn.net/m0_67092670/article/details/139967086

版权

根据项目（https://github.com/eriklindernoren/PyTorch-YOLOv3）实施，采用阿里云的人工智能api平台，如有新手需要配置，请转到阿里云平台配置（其中第二节有相关配置内容）。

项目环境（要用阿里云的镜像环境，如有不同可能会出现别的情况)

配好该环境后，先运行第一步以防有库缺失

然后运行.sh文件

安装后继续运行另一个.sh文件（其中安装路径需要改变，具体改变如下）

改为

wget -c http://images.cocodataset.org/zips/val2014.zip
wget -c http://images.cocodataset.org/zips/train2014.zip

安装好的数据集应该有59000张左右的train图片（13G）和6G多的val图片，下载过程中有可能出现下载不全的问题（下载过程中没有中断重新下载应该就没问题）。

这个.sh文件运行完后应该会有这么几个文件被安装

其中强调一个问题，服务器不能够对tgz文件进行解压，因此需要先下载解压文件到线下，然后解压后转变成zip压缩文件上传，最后采用Python的解压方法将其变为labels文件。（具体去网上搜，一搜Python解压zip文件方式）

将这些文件按照一定的结构保存（都放在data文件下）

其中图片路径文件放在coco文件下（coco自己创建在data文件下），labels放在data文件下，数据集放在images文件下（images自己创建在data文件下），json文件放在annotations文件下（annotations自己创建在data文件下，这个好像会自动创建），目的是为了能够找到这些路径读取数据集（具体设置可看config文件中的coco.data）

另外，data中应该有个coco.names文件

这些都下载整理好以后，因为TensorFlow版本较高，我们需要对一些代码进行修改（如果可以用对应的版本更好，笔者没有找到）。

找到utils文件下的logger.py，将整个定义切换为下列代码（注释的是原来的代码，切换为没有注释的）：

import tensorflow as tf


# class Logger(object):
#     def __init__(self, log_dir):
#         """Create a summary writer logging to log_dir."""
#         # self.writer = tf.summary.FileWriter(log_dir)
#         self.writer = tf.summary.create_file_writer(log_dir)

#     def scalar_summary(self, tag, value, step):
#         """Log a scalar variable."""
#         summary = tf.Summary(value=[tf.Summary.Value(tag=tag, simple_value=value)])
#         self.writer.add_summary(summary, step)

#     def list_of_scalars_summary(self, tag_value_pairs, step):
#         """Log scalar variables."""
#         summary = tf.Summary(value=[tf.Summary.Value(tag=tag, simple_value=value) for tag, value in tag_value_pairs])
#         self.writer.add_summary(summary, step)

        
class Logger(object):
    def __init__(self, log_dir):
        """Create a summary writer logging to log_dir."""
        # self.writer = tf.summary.FileWriter(log_dir)
        self.writer = tf.summary.create_file_writer(log_dir)

    def scalar_summary(self, tag, value, step):
        """Log a scalar variable."""
        #summary = tf.Summary(value=[tf.Summary.Value(tag=tag, simple_value=value)])
        #self.writer.add_summary(summary, step)
        with self.writer.as_default():
            tf.summary.scalar(tag, value, step=step)
            self.writer.flush()
        # summary = tf.Summary(value=[tf.Summary.Value(tag=tag, simple_value=value)])
        # self.writer.add_summary(summary, step)

    def list_of_scalars_summary(self, tag_value_pairs, step):
        """Log scalar variables."""
        # summary = tf.Summary(value=[tf.Summary.Value(tag=tag, simple_value=value) for tag, value in tag_value_pairs])
        #self.writer.add_summary(summary, step)
        with self.writer.as_default():
            for tag, value in tag_value_pairs:
                tf.summary.scalar(tag, value, step=step)
            self.writer.flush()
        # summary = tf.Summary(value=[tf.Summary.Value(tag=tag, simple_value=value) for tag, value in tag_value_pairs])
        # self.writer.add_summary(summary, step)

然后通过下列命令进行运行(正常到这里就可以了，可能有疏漏）