Swin-Ttransformer Object Detection 环境配置及训练

已于 2022-05-30 22:41:20 修改
阅读量2k 收藏 11
点赞数 4
分类专栏： Transformer 深度学习 文章标签： 目标检测 深度学习 pytorch transformer 计算机视觉
于 2022-05-30 22:22:22 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45122568/article/details/125043314
版权
本文详细记录了Swin-Transformer-Object-Detection的环境配置过程，包括conda环境创建、PyTorch、timm、mim的安装。之后，演示了运行Demo并进行COCO数据集训练的步骤，调整了数据集路径和模型缩放比例，以适应GPU训练。训练过程大约需要两天时间。
摘要由CSDN通过智能技术生成

在这里插入图片描述

Swin-Ttransformer Object Detection 环境配置及训练

源码地址：https://github.com/SwinTransformer/Swin-Transformer-Object-Detection
参考目录：
https://www.bilibili.com/video/BV1eu41197qK/?spm_id_from=333.788
https://www.bilibili.com/video/BV1Y3411676J?spm_id_from=333.337.search-card.all.click

简单记录下，安装、跑通、GPU训练swin-t源码的步骤。

环境配置

  1. 首先从官网获得源码：https://github.com/SwinTransformer/Swin-Transformer-Object-Detection
git clone https://github.com/SwinTransformer/Swin-Transformer-Object-Detection.git

  1. 新建conda环境、安装pytorch 我用的是python==3.6.13和pytorch==1.7.1和 torchvision==0.8.2
    安装pytorch的教程很多，这里就不赘述了，GPU版本注意和cuda驱动的匹配。验证方法我这边放一下：
    $ python 进入python命令行
    import torch 没有出现错误就ok了
    如果是GPU版本还需要输入torch.cuda.is_available()出现True，就是成功了。&

最低0.47元/天 解锁文章
暖风️
关注
  • 4
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
专栏目录
swin transformer环境配置（矩池云）
m0_51709155的博客
03-06 1402
该篇文章主要帮助小白快速完成swin transformer环境配置
Swin-Transformer-Object-Detection环境搭建详细过程
Christo的博客
09-07 1812
Swin-Transformer-Object-Detection环境搭建详细过程
Python深度学习基于Tensorflow（17）基于Transformer的图像处理实例VIT和Swin-T
最新发布
bigcrab的博客
06-11 1095
定义窗口注意力机制，与普通的注意力机制不同，其是在各个窗口中执行注意力机制。从中可以看到，其创新点主要是将图片进行拆分作为序列数据带入。差不多，主要实现的是一个下采样的算法过程；相同位置的像素绑定到一起构成一张新的。模型定义完毕后，初始化模型并开始训练。由于层之间重复性出现，可以定义一个。中，这里先实现拆分图片类。进行操作时我们定义三个类。定义一个多头注意力机制类。的数据，导入数据如下。导入数据，这里同样用。
Windown10 配置Swin-Transformer-Object-Detectio目标检测环境
weixin_62269220的博客
10-13 450
将文件放入C:\Users\nd\AppData\Local\miniconda3\envs\swindet。遇到的最大问题是各个包之间的版本不兼容的问题，耗时2天完成环境的配置。下载，解压同样放到你创建的环境中的文件夹。将权值文件放在你的swin解压的文件夹下。这时文件中就有mmcv的文件夹。查看conda环境位置 命令。CUDA版本11.8。
Swin-Transformer-Object-Detection V2.11.0环境搭建（一）
qq_41627642的博客
05-16 1071
Swin-Transformer-Object-Detection环境搭建 1、 Swin-Transformer-Object-Detection系列版本 ​​​​​​​​Swin-Transformer-Object-Detection 2 MMdetection系列版本 mmdetection 3、 MMDetection和MMCV兼容版本 4、Installation（Linux系统环境安装） 1、pytorch 与cudn的匹配版本 2、创建虚拟环境并安装pytorch conda cr
Swin-Transformer-Object-Detection环境搭建(最简单的安装版本)
m0_46406029的博客
11-11 1558
史上最简单的Swin-Transformer-Object-Detection环境搭建
Swin-Transformer-Object-Detection环境搭建训练流程及问题
weixin_41868417的博客
02-25 4628
一、背景 Swin-Transformer（Swin代表移位窗口shifted window）可以作为计算机视觉的通用backbone。它的github网址是Swin-Transformer，然后它有好几种应用： Getting Started For Image Classification, please see get_started.md for detailed instructions. For Object Detection and Instance Segmentation, please
Swin-T-使用Pytorch实现Swin-Transformer目标检测算法-优质项目实战.zip
04-29
3. **目标检测框架**：Swin-Transformer可以与多种目标检测框架集成，如MMDetection或Detectron2。项目中会介绍如何将Swin-Transformer整合到这些框架中，替换原有的backbone网络，如ResNet或EfficientNet。 4. **...
TensorRT-使用tensorrt部署Swin-Transformer-支持fp16+int8精度推理-优质算法部署项目实战
02-28
- **模型转换**：将预训练的Swin-Transformer模型转换为ONNX或TensorRT兼容格式。 - **构建网络**：使用TensorRT API定义模型的计算图。 - **优化**：应用TensorRT的优化策略，如层融合、量化等，生成优化后的...
Swin-Unet网络预训练模型，swin-tiny-patch-window7-224.pth
04-27
预训练模型“swin-tiny-patch-window7-224.pth”是Swin-Unet网络在大规模数据集上训练得到的权重，其中"swin-tiny"表示这是一个轻量级的模型配置，适合资源有限的环境；"patch-window7"指的是模型使用了7x7的窗口...
Swin-Transformer+gradcam可视化代码+Windows环境.zip
01-18
Swin-Transformer+gradcam可视化代码+Windows环境
ubuntu18.04配置Swin Transformer环境
qq_45752541的博客
08-29 1219
1.安装pytorch pip install torch==1.8.1 -i https://pypi.douban.com/simple/ pip install torchivsion==0.9.1 -i https://pypi.douban.com/simple/ 2.安装 mmcv （cuda与torch版本号可自行修改） pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.8.1/ind
Swin-Transformer object detection 环境配置
weixin_44148833的博客
04-08 949
Swin-Transformer object detection 环境配置 1. 下载Swin-Transformer Object Detection官方代码到服务器 git clone https://github.com/SwinTransformer/Swin-Transformer-Object-Detection.git 2. 创建 conda虚拟环境 conda create -n swin python=3.7 conda activate swin 3. 配置环境 conda ins
Swin-Transformer-Object-Detection V2.11.0 训练visdrone数据（二）
qq_41627642的博客
05-17 3768
文件结构 . ├── coco_exps ├── configs #configs主要修改的部分在这里，训练config也是从这里继承的 │ ├── albu_example │ ├── atss │ ├── _base_ #最根本的继承 │ │ ├── datasets #存在着不同数据集的训练方法，包含train_pipeline(augmentation), test_pipeline(TTA), data(batch_size, data ro
object detection之Win10配置
weixin_38383877的博客
12-30 208
1、下载models。 https://github.com/tensorflow/models 并文件解压。 2、下载protos文件 https://github.com/protocolbuffers/protobuf/releases?after=v3.9.1 我这里下载的3.7.0版本。注意一定要下载protoc-xxx-win64.zip版本。必须是带有win64的压缩包，...
Swin Transformer目标检测—训练自己数据集
七分熟少女
06-28 2510
Swin Transformer目标检测—训练自己数据集
swin-T for segmentation: 基于Linux系统的云服务器上的环境配置
qq_34018578的博客
06-21 369
1、创建虚拟环境（租用服务器的就不用创建啦） conda create -n newpython=3.7 conda activate open-mmlab 2、安装pytorch pip install -U torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html 3、安装mmcv-full pip install mmcv-full==1.3.0+torch1.6.
ICCV-2021-Swin-T: Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 阅读笔记
菜菜子hoho的博客
04-21 1196
目录一、Swin Transformer的整体架构及流程Swin变压器架构Stage 1Stage 2Stage 3Stage 4Swin Transformer block二、基于移动窗口的自我注意（Shifted Window based Self-Attention）非重叠窗口中的自我注意（Self-attention in non-overlapped windows）连续块中的移位窗口划分（Shifted window partitioning in successive blocks）移位配置的
Traceback (most recent call last): File "H:\Swin-Transformer-Object-Detection\tools\train.py", line 179, in <module> main() File "H:\Swin-Transformer-Object-Detection\tools\train.py", line 168, in main train_detector( File "H:\Swin-Transformer-Object-Detection\mmdet\apis\train.py", line 84, in train_detector model, optimizer = apex.amp.initialize( AttributeError: module 'apex' has no attribute 'amp'
06-10
这个错误是由于您正在尝试使用 Apex 库的 amp 模块，但该模块并不存在。这可能是因为您没有正确安装 Apex 库...3. 如果以上两步都没有解决问题，您可以尝试使用其他的混合精度训练库，例如 NVIDIA 的混合精度训练库等。
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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