FairMOT环境搭建

Anaconda环境准备

首先你需要下载Anaconda,博主下载的是Anaconda最新版,从Anaconda官网进行下载

然后需要创建虚拟环境

conda create -n fairmot
conda activate fairmot

然后安装依赖项,这里我并没有使用原项目中建议的:pytorch==1.7.0 torvision==0.8.0 cudatoolkit==10.2

首先在终端中输入:nvidia-smi查看主机的cuda版本(如果没有下载cuda则可以先查阅一下资料如何安装,配置cuda)

在这里插入图片描述

之后在网站网站中找到cudatoolkit版本对应的pytorch版本然后复制指令进行下载。我下载的是torch==1.10.0 torchvision==0.11.0 cudatoolkit=11.3.1

项目代码准备

# 克隆源码
git clone https://github.com/ifzhang/FairMOT.git
# 进入项目根目录
cd {FAIRMOT_ROOT}
# 安装依赖项
pip install cython
# 之后直接运行 pip install -r requirements.txt一般会报错,需要先下载cython_bbox,可以在网上搜索压缩包,解压后到目录下执行	
python setup.py build develop
# 回到{FAIRMOT_ROOT},执行
pip install -r requirements.txt

DCN_V2编译

这个是重中之重,刚开始我使用FairMOT项目中建议的pytorch版本和cudetoolkit版本编译出了很多错,也是就纠缠了好久,最后重新创建一个虚拟环境重新安装依赖项之后就可以了

# 克隆DCN_V2项目源码
git clone https://github.com/rathaROG/DCNv2_Windows.git DCNv2
cd DCNv2
# 编译源码
start make.bat

最后祝朋友们配置顺利!

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
对于FairMOT环境搭建,下面是基本的步骤: 1. 首先,你需要一个具备GPU支持的计算机,因为FairMOT是基于深度学习模型的目标跟踪算法,需要进行大量的计算。 2. 安装Python和依赖库。FairMOT使用Python作为开发语言,你可以安装最新版本的Python。另外,你需要安装一些常用的Python库,包括NumPy、OpenCV、PyTorch等。 3. 克隆FairMOT代码库。你可以在GitHub上找到FairMOT的代码,并将其克隆到本地。 ``` git clone https://github.com/ifzhang/FairMOT.git ``` 4. 下载预训练模型。FairMOT的作者提供了一些预训练模型,你可以从GitHub上下载这些模型并保存到特定的文件夹中。 5. 准备数据集。FairMOT需要一个目标跟踪的数据集来进行训练和测试。你可以使用现有的数据集,如MOT17、MOT20等,或者自己制作数据集。 6. 配置参数文件。FairMOT使用一个配置文件来设置训练和测试的参数。你需要根据自己的需求修改配置文件中的参数。 7. 训练模型。使用准备好的数据集和配置文件,你可以开始训练FairMOT模型。根据配置文件中的参数设置,执行相应的训练命令。 8. 测试模型。训练完成后,你可以使用测试数据集对FairMOT模型进行评估。同样,根据配置文件中的参数设置,执行相应的测试命令。 这是一个简要的搭建FairMOT环境的步骤,具体的操作可能会因为不同的系统和需求而有所差异。你可以参考FairMOT的官方文档或者在相关的开发社区寻求帮助,以便更好地完成环境搭建

“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 4
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