Detr环境配置超详细（小白都会）

最新推荐文章于 2024-06-05 14:32:51 发布
最新推荐文章于 2024-06-05 14:32:51 发布
阅读量1.8k 收藏 17
点赞数 3
文章标签： 深度学习
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_60203955/article/details/123970073
版权
  1. cmd输入：

conda create -n detr python=3.8

2、激活环境：

conda activate detr

3、激活p

最低0.47元/天 解锁文章
小小曾爱读书
关注
  • 3
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
手把手带你用RT-DETR模型部署训练自己的数据集
m0_61751664的博客
03-27 2765
本文主要介绍如何部署、训练RT-DETR模型，将从两种方式进行介绍：一种是RTDETR自带的项目文件，另一种是ultralytics仓库下将训练的模型改为rtdetr的基本模型。
DETR的图片测试脚本
06-21
DETR 官方只提供了训练代码，没有提供测试程序，网上也很少有用的教程，这个detr-test可以用来测试自已训练的图片，只需要导入自已的权重文件，加载图片，就可以显示出检测框和标签名
panopticapi:COCO 2018全景分割任务API（测试版）
04-29
COCO 2018全景分割任务API（测试版） 该API是的实验版本。 要安装panopticapi，请运行： pip install git+https://github.com/cocodataset/panopticapi.git 概括 评估脚本 计算。 有关脚本用法的更多信息： python -m panopticapi.evaluation --help 格式转换器 COCO全景分割以新存储。 与COCO检测格式独立存储每个分段不同，COCO全全景格式将图像的所有分段存储在单个PNG文件中。 这种紧凑的表示自然地保持了全景分割的不重叠特性。 我们提供了几种COCO全景格式的转换器。 完整的描述和用法示例可。 语义和实例分割启发式组合 我们提供，该将语义和实例细分预测启发式地组合到全景细分预测中。 全景图分割介绍了脚本的合并逻辑。 此外，此脚本还可以过滤出填充预测的段
Detr部署
最新发布
qq_50374797的博客
06-05 464
定义了一个包含COCO数据集中所有类别名称的列表，共91个类别，其中一些索引位置上是'N/A'，表示没有对应类别# 定义了一组用于可视化的颜色，每个颜色是一个RGB值的列表。
搞定系列：DETR训练自己的目标检测数据集ubuntu版
05-29
       本课程主要以ubuntu为环境基础，为大家讲解如何在ubuntu上训练自己的DETR目标检测数据集模型，主要包括ubuntu上显卡驱动安装，cuda+cudnn安装，anaconda3安装，labelImg安装,DETR环境安装。        本课程主要以实践为基础，理论问辅。注重讲解DETR目标检测训练的流程以及如何测试自己训练好的模型，并提供了预测类的代码和转换数据集的代码，使得同学们在本课中可以提高获得训练模型效率和训练周期。        学习本课程需要大家准备好一个Ubuntu18.04系统环境，如果其他版本ubuntu系统也可以，然后就是需要环境是带有英伟达显卡，不建议使用虚拟机训练自己模型。        请注意，本课程是对DETR进行目标检测训练流程讲解，不对DETR分割模型训练进行讲解。如果您需要分割模型则不适宜学习本课程。 
DETR类环境快速搭建
pengxiang1998的博客
05-13 580
随后切换到DINO目录，安装所需包，记得将requirements.txt 中的git clone下载删掉。随后修改pycocotools中配置使其输出多个类别的AP值。随后安装pycocotools。
Windows11系统下部署DETR模型——从零开始手把手教学
qq_43007761的博客
11-14 1293
这段代码要求输入的labels文件中jpg图片和xml文件全部包含并且一一对应,然后将labels文件中的文件按照指定的比例划分为train和val文件夹并且将xml转换为json文件。例如你要训练的目标只有一个'person'则这里的num_class为2,运行之后生成detr-r50_2.pth文件,这就是之后训练的时候要用到的预训练权重文件。github中搜索detr，搜索到的第一个facebook的就是，目前有12k star,然后把项目git clone到本地。
DETR部署-使用TensorRT在T4上加速部署DETR项目-算法部署-超优质资源-附完整详细部署流程教程.zip
01-18
在提供的压缩包资源中，包含了完整的DETR部署流程教程，从环境配置到模型优化、引擎构建和推理测试的每一步都有详细的指导。此外，教程可能还包含了一些实用工具和示例代码，帮助开发者更好地理解和实践这个过程。 ...
TensorRT部署DETR项目工程
07-04
- **精度验证**：`run_detr_py_demo.sh` 脚本用于测试转换后的初始权重在PyTorch环境下的精度，确保模型转换后保持原有的识别性能。 - **ONNX模型导出与简化**：`run_export_detr_onnx.sh` 脚本将PyTorch模型进一步...
DETR-基于Pytorch实现DN-DETR算法-附详细流程教程+模型下载-优质项目实战.zip
05-11
本项目基于Pytorch实现了DN-DETR算法，并提供了详细的流程教程和模型下载，旨在为学习者提供一个优质、实践性强的深度学习项目。 首先，了解DETR的基本原理。DETR摒弃了传统的 anchor-based 方法，如Faster R-CNN和...
README_DETR-标注.pdf
12-23
DETR-标注.pdf DETR（Detection Transformer）是一种基于Transformer架构的目标检测算法，由Facebook AI研究院提出。DETR的出现，标志着目标检测领域从传统的基于规则的方法迈入了基于深度学习的新时代。 DETR的...
DETR环境配置【笔记】
m0_45287612的博客
01-24 381
conda命令安装太慢。
【vision transformer】DETR原理及代码详解（四）
qq_35831906的博客
04-14 4031
本节是 DETR流程及 构建backbone和position embedding 相关部分的代码解析 STEP 1: Create model and criterion #构建模型和标准 STEP 2: Create train and val dataloader #构建训练和测试数据集 STEP 3: Define lr_scheduler #定义学习策略 STEP 4: Define optimizer #定义优化器 STEP 5: Load...
DETR系列：RT-DETR实战部署
lansebingxuan的专栏
06-26 4074
上篇文章介绍RT-detr的论文内容（），本篇文章介绍算法复现、tensorRT加速、python调用部署、训练等方法。
使用DETR模型训练自己的数据集过程记录
weixin_43788752的博客
04-13 2959
利用DETR模型训练自己数据集的过程记录（使用linux环境）
DETR安装
zootopia20169172的博客
04-03 1597
直接pip install -r requirements.txt以下三个包老是报错。直接在github上面下载这三个的压缩包。base下面的安装包，应该在以下位置。下载下来后，安装他的绝对路径。
pip install git+https:xxxx安装失败解决方法
qq_45961101的博客
04-26 4936
即可安装成功，达到同样的效果。
DETR-like 模型环境配置
pengxiang1998的博客
03-26 525
这不要紧，我们在真正运行该项目时只需要调整batch-size即可，此时博主使用的显卡未NVIDIA P40，显存为24G，可以说已经足以满足需要了。首先是进行项目下载，由于博主此时并未对项目进行大量更改，只需要从github上直接git即可。再次配置即可，test.py主要进行一个维度计算测试，与你的GPU显存有关。至此，DINO-DETR的环境配置便完成了，只需要上传完数据集即可运行了。可以看到博主在进行 2048通道计算时爆显存了。然后再进行pycocotools的安装。紧接着配置CUDA算子。
RT-DETR环境配置
08-25
要配置RT-DETR环境，你需要进行以下步骤： 1. 首先，你需要解压数据集压缩包。可以使用以下命令进行解压： ```shell python ppdet/modeling/tests/test_architectures.py 2.8 ``` 2. 确保你的系统满足以下要求：4个V100的CUDA版本大于等于11.7.1，NCCL版本大于等于2.7，以及PaddlePaddle-GPU版本大于等于2.4.1。 3. 创建一个名为ppdet的conda环境，并使用Python 3.10版本。可以使用以下命令创建环境： ```shell conda create --name ppdet python=3.10 ``` 4. 确认你的NCCL版本号。可以使用以下命令查看NCCL版本号： ```shell cat /usr/include/nccl.h | grep NCCL_MAJOR -A 2 ``` 5. 安装RT-DETR推荐的Paddle版本。 6. 如果你还没有安装cuDNN，可以参考《CUDA & cuDNN Installbook by Eric》进行安装。另外，你需要配置环境变量`LD_LIBRARY_PATH`，将其指向cuDNN的安装路径。可以使用以下命令进行配置： ```shell export LD_LIBRARY_PATH=/home/songyuc/anaconda3/envs/paddle/lib ``` 完成以上配置步骤后，你就可以开始使用RT-DETR了。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [RT-DETR的学习笔记](https://blog.csdn.net/songyuc/article/details/130242093)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 6
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

打赏作者

小小曾爱读书

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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