【reid】 fast-reid windows系统部署流程

努力学习体系结构

已于 2022-10-14 21:50:57 修改

阅读量1.2k

点赞数 1

分类专栏： reid 文章标签： python pytorch

于 2022-10-14 19:47:52 首次发布

本文链接：https://blog.csdn.net/qq_41531474/article/details/127320534

版权

本文详述了在Windows系统上部署京东开源reid工具包fast-reid的步骤，包括下载源码、创建conda虚拟环境、安装pytorch及requirements.txt中的依赖，以及解决编译过程中的问题。

摘要由CSDN通过智能技术生成

目录标题

fast-reid windows系统部署流程

fast-reid windows系统部署流程

fast-reid为京东提供的一个开源reid工具包。本篇文章将介绍他在windows系统下的部署流程

一、fast-feid工程下载

官方库连接：https://github.com/JDAI-CV/fast-reid
选择Download ZIP，下载源码文件。
解压到任意路径，得到fast-reid-master文件夹

二、环境配置

1.创建conda虚拟环境

打开anaconda命令行,并创建名为fast-reid的虚拟环境
在这里插入图片描述

conda create -n fast-reid python=3.7
conda activate fast-rei

2安装pytorch

在pytorch: link官网查询电脑

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

努力学习体系结构

关注关注

1
点赞
踩
5

收藏

觉得还不错? 一键收藏
2
评论
【reid】 fast-reid windows系统部署流程

fast-reid为京东提供的一个开源reid工具包。本篇文章将介绍他在windows系统下的部署流程
复制链接

扫一扫

专栏目录

【FastReID】pytorch转tensorrt部署

dbdxwyl的博客

10-10

983

目录一.环境配置 1.1Tensorrt安装： 1.2 Opencv安装二.C++ FastReID-TensorRT 2.1模型转换 2.2修改config文件 2.3建立第三方库 2.4Build fastrt execute file 2.5 Run 一.环境配置 1.1Tensorrt安装：官方手册：Installation Guide :: NVIDIA Deep Learning TensorRT Documentation 选择tar安装 ...

FastReID是一个研究平台，可实现最新的重新识别算法。-Python开发

05-25

FastReID是一个研究平台，可实现最新的重新识别算法。 Gitter：fast-reid / community FastReID是一个研究平台，可实现最新的重新识别算法。它是对以前版本的重新编写，具有很强的里德基准线。新功能[FastRT中的2021年1月] TRT网络定义API已发布！感谢Darren的贡献。 [2021年1月]基于fastreid的NAIC20（reid track）第一解决方案已发布！[2021年1月]已发布FastReID V1.0 ！！:party_popper:支持reid以外的许多任务，例如图像检索和fa

2 条评论您还未登录，请先登录后发表或查看评论

京东发布FastReID：目前最强悍的目标重识别开源库！

胭脂草的ABC博客

05-10

363

官方计划发布人员重识别（person re-id）,部分可见的人员重识别（ partial re-id）, 跨域人员重识别（cross-domain re-id）和车辆重识别（vehicle re-id）等众多模型。提供了针对ReID任务的完整的工具箱，包括训练、评估、微调和模型部署，另外实现了在多个任务中的最先进的模型。，其不仅对相关领域的研究有帮助，而且对工程部署有优化，在各大数据集上的评测结果惊人，其今天公布的论文。可见FastReID的实现质量很高，且其包含的各个模块的组合是十分有效的。

fast-reid-master.zip

08-27

在这个项目中，Fast-ReID提供了一整套高效、先进的ReID算法和工具，旨在帮助研究人员和开发者快速构建自己的ReID系统。 Fast-ReID的核心特性在于其对速度和准确性的平衡追求。"Fast"不仅体现在计算效率上，也体现在...

fast-reid-master-20200831.zip

09-02

fast-reid-master-20200831.zip，是https://github.com/JDAI-CV/fast-reid，20200831下载的版本。该项目应该是在快速迭代开发的过程中，变动比较大，所以放在这里，侵权请联系我删除噢。

fast-reid-master-20210111.zip

01-13

《行人重识别技术详解——基于fast-reid框架》行人重识别（Person Re-identification，简称ReID）是一项...通过对fast-reid的深入理解和实践，我们可以更好地理解和优化行人重识别系统，推动这一领域的不断发展。

ReID部署-基于TensorRT部署YOLOv8+DeepSort+ReID实现行人重识别算法-附项目源码+效果展示+流程教程

06-09

ReID部署_基于TensorRT部署YOLOv8+DeepSort+ReID实现行人重识别算法_附项目源码+效果展示+流程教程_优质项目实战

Video-Person-ReID-master_reID_

10-04

综上所述，"Video-Person-ReID-master_reID_"和"Person_reID_baseline_pytorch-master"项目是关于使用PyTorch实现的行人重识别系统，涵盖了深度学习模型构建、特征提取、距离度量学习等多个核心环节，并可能涉及视频...

jupyter下载

Einstein·Jun

08-06

258

Anaconda下载参考链接：https://blog.csdn.net/qq_48372575/article/details/125630622 设置Jupyter Notebook的代码路径在“此电脑”中搜索。删除最后一个""后面的的内容，包括“\”。用记事本打开它。按下ctrl+F就可以开始查找。查找内容如下：找到之后，右键该文件，找到“发送到”，找到“桌面快捷方式”。然后就会发现桌面上已经建立好了！

在 Python 和 C++ 环境下安装和使用 ONNX Runtime

CDBmax的博客

08-03

329

对于 GPU 版本的 ONNX Runtime，需要安装 CUDA 和 cuDNN。请检查 CUDA 执行提供程序的要求以获取兼容版本的 CUDA 和 cuDNN。通过上述步骤和示例代码，您可以在 Python 和 C++ 环境下安装并使用 ONNX Runtime 进行模型推理。《windows端可以用 vs编辑器配置相应的头文件、库文件》《这部分可以去B站有很多教学视频讲的更详细》

【面试题】寻找两个正序数组的中位数

联系方式：927632640

08-06

329

面试学习给定两个大小分别为 m 和 n 的正序数组 nums1 和 nums2，我们需要找到这两个数组的中位数。下面是详细的解题步骤和 Python 代码示例。

Java 设计模式之桥接模式（Bridge Pattern）

微笑听雨

08-05

982

桥接模式（Bridge Pattern）是一种用于将抽象部分与其实现部分分离的结构型设计模式。这种模式通过组合关系而不是继承关系来连接抽象与实现，使代码更具扩展性和维护性。桥接模式的核心思想是将抽象和实现解耦，使得两者可以独立变化。桥接模式（Bridge Pattern）是一种结构型设计模式，旨在将抽象部分与其实现部分分离，从而使两者可以独立地变化。桥接模式通过组合关系代替继承关系，将抽象和实现解耦，使代码更具扩展性和维护性。

书生大模型实战营第三期——入门岛——python基础知识

最新发布

qq_46576562的博客

08-06

169

昇思基础课程打卡（SPONGE课前学习）9.使用静态图加速

cftang9999的专栏

08-06

328

AI编译框架分为两种运行模式，分别是动态图模式以及静态图模式。MindSpore默认情况下是以动态图模式运行，但也支持手工切换为静态图模式。

PAI-DSW中对齐NoteBook和命令行的Python环境

MilkLeong的博客

08-02

737

我认为在最开始NoteBook和命令行的Python环境是一致的，只是我前面在部署LLaMA-Factory时进行了如下操作将命令行的Python环境改成了/root/anaconda3/bin/python。具体详见。

python游戏开发之五子棋游戏制作

m0_65482549的博客

08-05

1069

它通过简洁明了的语法和逻辑结构，提高了代码的可读性和可维护性。通过引入交互性更强的用户输入方式，使得玩家可以更直观地参与游戏，增强了游戏的可玩性和用户体验。总的来说，这段 Python 在保持游戏逻辑不变的情况下，提升了代码的质量和可玩性，为开发者和玩家带来了更好的体验。如有侵权，请联系删除。

python中的三元表达式

cyj0919的博客

08-01

281

三元表达式是一种简洁的方式来根据某个条件选择两个值中的一个。它由三个部分组成：条件判断、冒号(:)、然后是两个可能的结果。

python---为某个项目使用虚拟环境

weixin_45880844的博客

08-01

710

通过在虚拟环境中开发，你可以确保你的代码在不同环境中（包括生产环境）的表现一致，因为依赖是被隔离和明确定义的。：如果你正在开发自己的Python包，并且希望在项目中使用它，你可以轻松地将包链接到虚拟环境中进行测试。：虚拟环境允许你为特定项目使用不同版本的Python解释器，即使全局环境中使用的是另一版本。：不同项目可能需要不同版本的库。：虚拟环境可以包含安全补丁或特定版本的库，而不影响全局环境中的库，这有助于减少安全风险。：在虚拟环境中，你可以安全地尝试新的包或工具，而不会影响到你主要的工作环境。

pycharm无法导入pyside2模块；“ModuleNotFoundError: No module named ‘PySide2“

yrx020307的博客

08-01

275

出现报错““ModuleNotFoundError: No module named ‘PySide2’””后，看来很多博客，都不能解决，只有这篇博客提供了思路；2）.ui转化为.py后，点击运行，报错““ModuleNotFoundError: No module named ‘PySide2’””https://blog.csdn.net/weixin_61891798/article/details/127097989。按照博客的指引，和命令行的提示，我找到了pyside2的包；

fast-reid复现(market1501)

12-04

fast-reid是一个用于行人再识别的开源工具包，可以帮助实现快速而准确的行人识别。在复现市场1501数据集时，需要按照以下步骤进行： 1. 数据准备：首先需要下载市场1501数据集，该数据集包含超过32,000张行人图像，以及具有标签的身份类别信息。可以将数据集划分为训练集和测试集。 2. 模型选择：fast-reid提供了多种行人再识别模型，包括基于ResNet、ReID、MobileNet等的多种架构。根据实际需求选择合适的模型。 3. 模型训练：使用fast-reid提供的训练接口，通过在市场1501数据集上进行训练，逐步优化模型参数，使其能够更好地识别行人并进行身份分类。 4. 模型评估：训练完成后，需要使用fast-reid提供的测试接口对模型进行评估。可以通过计算准确率、召回率、mAP（平均精度均值）等指标来评估模型的性能。 5. 模型调优：根据评估结果，可以对模型进行调优，包括调整超参数、数据增强、对抗训练等方法，以进一步提升模型的性能。通过以上步骤，可以使用fast-reid成功地复现市场1501数据集，实现高效准确的行人识别。同时，fast-reid还提供了可视化工具和实验记录功能，可以帮助用户更好地理解和分析模型训练过程，进一步优化模型性能。