faster rcnn在windows下的环境配置

前言

前几个月刚开学,导师要求跑通faster-rcnn,当时一脸懵逼什么也不懂,于是开启了为期一个月的环境配置之旅,个中心塞就不说了,趟过了很多坑,当时没想着记录下来现在换了个电脑要重新配置环境,就顺着写一下。很多参考自这篇博文,感谢+膜拜。

anaconda

安装anaconda

  1. 直接在官网上下载安装包,之后就是傻瓜式安装直接下一步
    安装记录
  2. 到如下选项只需要勾选第一个选项,将anaconda添加至环境变量
    在这里插入图片描述
  3. 安装完成后打开docs界面,输入conda命令,出现如下选项说明安装成功了。(个人建议在对anaconda进行操作的时候尽量在其自带的命令窗口进行操作,也可以通过windows+R进入命令窗口)
    在这里插入图片描述

配置虚拟环境

即在anaconda中创建一个虚拟环境,虚拟环境的作用是可以在其中任意选择python的版本以及配置环境,如果出错直接删去环境即可。(删除环境最暴力有效的方法就是切换到…\anaconda\envs\,直接删去即可

  1. 创建一个名为tensorlfow、python版本为3.5的虚拟环境
conda create -n tensorflow python=3.5

也可以直接通过软件创建,只需选择好python版本
在这里插入图片描述2. 安装tensorflow-gpu

pip install –-upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/gpu/tensorflow_gpu-1.3.0rc0-cp35-cp35m-win_amd64.whl

安装cudacudnn

在tensorflow的管网上可以查到版本的匹配问题这里用cuda8.0+cudnn6.0

安装cudn

下载链接:cudn下载
下载完成直接点击exe文件安装
默认安装路径

安装cudnn

下载地址:cudnn下载
解压下载文件并将文件分别复制粘贴到CUDA安装目录下对应的文件夹中,一般安装路径为:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
在这里插入图片描述
这样cudn就安装好了
下载后的内容解压,可以看到有下面这样三个文件夹,将文件夹中的文件分别复制到CUDA安装目录下对应的文件夹中,例如本机CUDA的安装目录为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0,然后在目录下也能找到这三个文件夹名字,把cudnn里面的拷贝到相应目录下即可。每个文件夹下其实也就一个文件
在这里插入图片描述

安装vs2015

安装了很多版本再参考网上的博客,最后选择安装vs2015版的比较适合
在这里插入图片描述

配置代码环境

  1. Windows Faster rcnn python版本代码为:
    https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5
  2. 安装python依赖库
    pip install cython
    pip install opencv-python
    Pip install easydict
    pip install –i https://pypi.tuna.tsinghua.edu.cn/simple/ 安装包
  3. 在cmd中使用cd命令到解压后的文件夹下…/data/coco/PythonAPI目录下执行代码:
    python setup.py build_ext --inplace
    python setup.py build_ext install
    Note:cython编译的时候会调用c/c++编译器,如果报错unable to find vcvarsall.bat,建议安装vs2015。
  4. 下载voc2007数据集
    可以得到VOCDevkit文件夹,将VOCDevkit重命名为VOCDevkit2007,然后将这个文件夹拷贝到你自己的Faster-RCNN中data目录下
  5. 下载预训练的VGG16网络模型
    下载地址:http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz
    下载之后解压,文件重命名为vgg16.ckpt,新建文件夹imagenet_weights,把vgg16.ckpt放到imagenet_weights下,再将imagenet_weights文件夹拷贝到data文件夹下
    在这里插入图片描述
    在这里插入图片描述
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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