Docker-开源Detectron

最新推荐文章于 2024-06-24 16:57:04 发布

置顶 pandamax

最新推荐文章于 2024-06-24 16:57:04 发布

阅读量1.7k

点赞数 2

分类专栏： Docker

本文链接：https://blog.csdn.net/pandamax/article/details/79154389

版权

Docker 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

Docker安装测试开源Detectron

Mask RCNN论文公布已久,盼望着的开源代码终于来了!正如今天老詹也3万分了!而且还是以大礼包-Detectron的形式送出,真是快过年了,大吉大利!其实以前也跑过一个复现论文的开源项目,检测及分割效果也是很nice!闲话不多说,这一段时间打算苦心专研一下Detectron,慢慢跟着大神走!

其实 INSTALL.md就如何使用该docker镜像已经说明的比较详细,这里就将自己的安装及配置环境的过程记录一下.

1.安装docker /nvidia-docker

安装docker

网上资源很多,我这里推荐一份docker资料:docker安装及介绍
我以前安装过docker,这里直接查看一下版本,如下:
这里写图片描述

安装nvidia-docker

安装nvidia-docker
有可能nvidia-docker安装包下载会出现问题,毕竟需要梯子
nvidia-docker_1.0.1-1_amd64.deb百度网盘链接: https://pan.baidu.com/s/1qZyHF5M 密码: 4miv
csdn也有该资源,可下载:nvidia-docker_1.0.1-1_amd64.deb.但需要积分
其实nvidia-docker与docker使用起来几乎没有差异,但可以使用GPU.因为开源Detectron目前只有GPU版本的,所以这个是必须!

2.下载caffe2

下载地址:caffe2
git clone或者直接Download ZIP再解压

3.Docker Image配置环境

找到解压后的caffe2文件夹,根据./ubuntu-16.04-cuda8-cudnn6-all-options目录下的dockeflie创建所需要的环境配置,在终端依次输入:

1.cd /path/to/caffe2/docker/ubuntu-16.04-cuda8-cudnn6-all-options
2.sed -i -e 's/ --branch v0.8.1//g' Dockerfile
3.sudo docker build -t caffe2:cuda8-cudnn6-all-options .   ##注意这行命令的小点点不要忘记了!然后静等!

有7个step,配置结果如下:
这里写图片描述
并验证caffe2:cuda8-cudnn6-all-options是否存在
终端输入:sudo docker images,然后输入密码.显示:

4.创建 Detectron image:

接下来

1.cd $DETECTRON/docker
2.sudo docker build -t detectron:c2-cuda8-cudnn6 .

此处根据其dockerfile,还有十步走,若成功则如下:
这里写图片描述

5.测试:Run the Detectron image (e.g. for BatchPermutationOp test):

最后来一波测试,将以下命令行复制至终端:

sudo nvidia-docker run --rm -it detectron:c2-cuda8-cudnn6 python2 tests/test_batch_permutation_op.py

测试结果很OK!
这里写图片描述

6.运行示例

在nvidia-docker中创建容器运行infer_simple.py,将以下命令行复制至终端:

sudo nvidia-docker run --rm -it detectron:c2-cuda8-cudnn6 \
python2 tools/infer_simple.py \
    --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml \
    --output-dir /tmp/detectron-visualizations \
    --image-ext jpg \
    --wts https://s3-us-west-2.amazonaws.com/detectron/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl \
    demo

目录 demo下一共有9张图片,每张运行时间结果如下:
这里写图片描述
依然还有很多疑惑…全靠佛系心态慢慢克服~