DA-Faster-RCNN复现之路

本文详细记录了一位开发者在使用DA-Faster-RCNN进行目标检测时,从环境配置、项目克隆、依赖安装到数据集准备过程中遇到的问题和解决方案,包括CUDA版本选择、库的安装及常见错误的解决。
摘要由CSDN通过智能技术生成

目录

1.环境配置

##说明

2.搭建环境

准备数据集

一些错误


DA-Faster-RCNN: Domain Adaptive Faster R-CNN for object detection in the wild

发表在CVPR2018,是第一篇将无监督域适应方法应用在目标检测领域的研究。作为一个域适应目标检测小白,前前后后花了大概一周的时间代码才work,记录一下自己的辛酸史。

搭建目标检测模型之Domain Adaptive Faster R-CNN for Object Detection in the Wild_domain-adaptive-faster-rcnn-pytorch-CSDN博客

1.环境配置

ubuntu20.4.0

GPU:2080Ti

python:3.6.

pytorch:1.6.0

torchvision:0.7.0

CUDA:10.2.0

##说明

在安装pytorch前,使用 nvidia-smi 查看电脑的CUDA版本:

注意这里的Driver version和CUDA Version要满足下表关系:1. CUDA 12.4 Release Notes — Release Notes 12.4 documentation (nvidia.com)

这里的CUDA version指的是所能够兼容的CUDA Toolkit (Pytorch)的最高版本,可以向下兼容CUDA/cudnn/CUDA Toolkit/NVCC区别简介 - emanlee - 博客园 (cnblogs.com)

因此只要这里查看的CUDA version>10.2即可

2.搭建环境

整个搭建流程参考文章:搭建目标检测模型之Domain Adaptive Faster R-CNN for Object Detection in the Wild

# 克隆项目
git clone https://github.com/krumo/Domain-Adaptive-Faster-RCNN-PyTorch.git

# 新建虚拟环境
conda create -n da-faster-rcnn python=3.6

# 切换环境
conda activate da-faster-rcnn

# 切换到项目路径
cd Domain-Adaptive-Faster-RCNN-PyTorch

# 装包
conda install ipython

pip install ninja yacs cython matplotlib

# 安装opencv-python
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python==4.3.0.38

安装open-cvpython时会卡住,或者报错,参考 这篇文章

查看gcc版本,使用gcc-7,参考 Ubuntu22.04多版本gcc g++切换

gcc -v

安装pytorch,torchvision,cudatoolkit,这里先安装pytorch1.4.0的版本,不然后续安装maskrcnn会出错:RuntimeError: Error compiling objects for extension

conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1 -c pytorch

安装pycocotools

## 不要clone到Domain-Adaptive-Faster-RCNN-PyTorch项目下
## 我这里是在项目外新建了package包
cd package
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
python setup.py build_ext install

安装PyTorch Detection

## 同样还是clone到package文件夹下
cd package
git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
cd maskrcnn-benchmark
python setup.py build develop

3.准备数据集

参考搭建目标检测模型之Domain Adaptive Faster R-CNN for Object Detection in the Wild

数据集准备完成第一步状态:

使用该文章中的脚本调整数据集,datasets在项目主文件夹下,annotaion中是json文件,traint/test/val中是原始图片

4.一些报错
# ModuleNotFoundError: No module named 'apex'


# 同样可以clone到package文件夹下
git clone https://www.github.com/nvidia/apex
cd apex
python setup.py install

这里安装的pytorch版本为1.6.0,与参考文章中的1.4.0不同。

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch

使用1.4.0在项目运行中会出现amp问题,参考mask-rcnn的issue1327

在pytorch1.6.0以上的版本中才支持amp

  • 24
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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