ubuntu+anaconda+vscode+FairMot 训练教程 慢慢更新

安装环境的方式测试的参考:

复现FairMot踩坑记录_GG的博客-CSDN博客問題1:ERROR: Command errored out with exit status 1: command: /home/se8502/anaconda3/envs/fairmot/bin/python -u -c 'import io, os, sys, setuptools, tokenize; sys.argv[0] = '"'"'/tmp/pip-install-loqfqgxu/lap_27d2b6fda8f14025af34865b05f8ff1c/setup.py'"'...https://blog.csdn.net/qwazp3526cn/article/details/121527060

开始 -

        作者:

https://github.com/ifzhang/FairMOThttps://github.com/ifzhang/FairMOT

首先下载数据集:

        CrowdHuman_train01.zip、CrowdHuman_train02.zip、CrowdHuman_train03.zip、              

        CrowdHuman_val.zip、CrowdHuman_test.zip

        annotation_val.odgt、annotation_train.odgt、crowdhuman_dla34.pth

在FairMOT-master根目录下创建\dataset\MOT\CrowdHuman

创建的格式按照作者的方式:

crowdhuman
   |——————images
   |        └——————train
   |        └——————val
   └——————labels_with_ids
   |         └——————train(empty)
   |         └——————val(empty)
   └------annotation_train.odgt
   └------annotation_val.odgt

具体如下:

打开\FairMOT-master\src\lib\cfg\data.json

======================2021.11.30.02.18=================

 成功训练

先睡觉

======================2021.12.01.11.27=================

更新:

今天先尝试一下2D MOT15训练

1.作者说这么准备数据集:

MOT15
   |——————images
   |        └——————train
   |        └——————test
   └——————labels_with_ids
            └——————train(empty)

(1)将2DMOT2015解压,放入./FairMOT-master/dataset/MOT/MOT15(这里可以是你自己新建的数据集)目录下,解析完成后。MOT15内有train和test两个文件夹,里面存着train和test数据。

(2)在./FairMOT-master/dataset/MOT/MOT15目录下新建一个labels_with_ids文件夹,里面建一个空的train文件夹。
然后下载seqinfo 文件,将 seqinfo 文件夹中的 *.ini 复制到 MOT15 对应的文件夹中。

详细一点是:

 ctrl+L 获取文件路径

/home/se8502/FairMOT-master/dataset/MOT/MOT15/images

/home/se8502/FairMOT-master/dataset/MOT/MOT15/labels_with_ids/train

2. 打开 src/python gen_labels_15.py 修改文件中数据集的路径 

分别是:seq_root 和  label_root

打开 Terminal  输入

python gen_labels_15.py

 

文件夹中就会生成训练集的label

3.训练模型:

按照这样的准备

4. 修改训练数据集地址:

打开文件./src/lib/opts.py

修改为自己的数据集地址:

# mot
    self.parser.add_argument('--data_cfg', type=str,
                             default='../src/lib/cfg/mot15.json',
                             help='load data from cfg')
    self.parser.add_argument('--data_dir', type=str, default='/home/se8502/FairMOT-master/dataset/MOT/MOT15')

打开src/lib/cfg/mot15.json

 修改为自己的数据集地址:

{
    "root":"/home/se8502/FairMOT-master/dataset/MOT",
    "train":
    {
        "mot15":"./data/mot15.train"
    },
    "test_emb":
    {
        "mot15":"./data/mot15.train"
    },
    "test":
    {
        "mot15":"./data/mot15.train"
    }
}

5.训练:

根据自己实际,修改mot15_ft_mix_dla34.sh,训练按照下面的代码:

sh mot15_ft_mix_dla34.sh

========================2021.12.04.03.50================

可视化:

安装tensorboard

conda install tensorboard

进入文件

/home/se8502/FairMOT-master/exp/mot/

看到训练的文件

进入

接下来输入:

tensorboard --logdir ./ --port=8080

打开链接:

 可以看到可视化的内容

评估网络:

CUDA_VISIBLE_DEVICES=0 python track.py mot --val_mot15 True --load_model ../models/fairmot_dla34MOT17.pth --conf_thres 0.6 --save_all 

 

  • 3
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 11
    评论
Anaconda是一个用于Python和其他数据科学任务的开源发行版本。VS Code是一个轻量级但功能强大的代码编辑器。结合Anaconda和VS Code可以提供一个高效的Python开发环境。以下是Anaconda VS Code的详细教程: 1. 安装Anaconda:从Anaconda官方网站(https://www.anaconda.com/)下载适合您操作系统的Anaconda安装包。双击安装包并按照提示完成安装。 2. 安装VS Code:从VS Code官方网站(https://code.visualstudio.com/)下载适合您操作系统的VS Code安装包。双击安装包并按照提示完成安装。 3. 配置Python环境:打开Anaconda Navigator,在Navigator界面上选择"Environments"选项。在该选项卡中,点击"Create"按钮创建一个新的环境,并选择所需的Python版本。然后,安装所需的Python包。 4. 打开VS Code:在桌面上找到VS Code的图标,双击打开它。 5. 扩展安装:在VS Code的左侧边栏中,找到并点击"Extensions"选项。搜索并安装"Python"扩展。这将为您提供许多与Python相关的功能和工具。 6. 配置VS Code设置:按下Ctrl + Shift + P(或Cmd + Shift + P),在命令面板中搜索"Python: Select Interpreter"。选择您之前在Anaconda Navigator中创建的Python环境。 7. 创建和运行Python文件:点击VS Code的左侧边栏中的"Explorer"选项。在"Explorer"选项卡中,点击右上角的"New File"图标创建一个新的Python文件。编写代码后,按下F5键或选择Debug菜单中的"Start Debugging"来运行代码。 8. 调试代码:在VS Code中调试Python代码非常简单。您可以在代码中设置断点或使用命令面板中的"Python: Run Python File"选项来逐行执行代码。 通过以上步骤,您现在应该可以使用Anaconda和VS Code来创建、运行和调试Python代码了。这个组合为您提供了一个强大而灵活的数据科学和开发环境。希望这个教程对你有帮助!

“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 11
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

打赏作者

高高呀~

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
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