本文主要内容:CenterNet在Ubuntu20.04上的复现教程
本文面向对象: 深度学习用户
由于博主本人的研究方向是目标检测,所以在这里写一篇关于基于中心点的目标检测的经典算法CenterNet的复现步骤,具体的实验设备如下(代码环境请看下面第二个表格):
设备 | 型号 |
---|---|
系统 | Ubuntu20.04 |
CPU | Intel® Xeon® CPU E5-2630 v4 @ 2.20GHz |
显卡 | Tesla P40 |
环境 | 版本 |
---|---|
python | 3.8 |
CUDA | 11.1 |
pytorch | 1.8.0 |
基于以上的设备和环境,经过以下的流程可以完整复现CenterNet模型。
一、前期准备:
首先是我们的前期准备,在模型复现前,我们需要准备好自己以下内容:
- 硬件及驱动环境
- 代码环境
由于博主本人的实验设备如上面表格所示,则本文将以上面的实验设备为基础进行示例,其他系统或设备大差不差,核心思想不变,个别细微区别(如命令、版本等)请自行替换。
硬件及驱动准备:
- 查看系统版本号:
lsb_release -a
- 查看系统支持的驱动:
ubuntu-drivers list
- 查看系统cpu的架构:
uname -m
或arch
- 查看系统显卡型号:
lspci | grep -i nvidia
- 查看显卡具体信息:
nvidia-smi
若没有显卡信息,则需要根据ubuntu-drivers list
来安装显卡驱动。
显卡驱动安装请参考:https://blog.csdn.net/str1ngthen/article/details/133792936?spm=1001.2014.3001.5502
代码环境准备:
我们需要复现CenterNet模型则首先需要有相应的代码运行环境:
- 下载g++编译器:
apt install g++
- 安装ninja:
sudo apt install ninja-build
- 安装CenterNet复现环境:
- a. 创建并进入conda环境(conda安装请自行百度):
conda create --name CenterNet python=3.8
conda activate CenterNet
- b. 安装CUDA Toolkit 11.1:https://blog.csdn.net/str1ngthen/article/details/133793250?spm=1001.2014.3001.5502
- c. 安装pytorch1.8.0:
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
- d. 依次运行以下命令来检查PyTorch是否CUDA版本相匹配:
python -c "import torch;print(torch.__version__);print(torch.version.cuda);print(torch.backends.cudnn.version());print(torch.cuda.is_available()); print(torch.zeros(1).cuda())"
理想情况下输出的是:True,其他的不是的话就是安装失败了呗,别看这篇文章了,去找其他的文章看或者在我的基础上解决一下。
其他命令(可忽略):
-
卸载原先的torch、torchaudio和torchvision:
pip uninstall torch torchvision torchaudio -y
二、代码复现:
在完成了代码环境准备后,我们需要下载CenterNet代码并进行编译运行,其中,我们需要参考下方的官方文档:
官方文档:https://github.com/xingyizhou/CenterNet/blob/master/readme/INSTALL.md
- 在你理想的文件夹中克隆CenterNet网络:https://github.com/xingyizhou/CenterNet
- 在CenterNet文件夹同级目录下安装COCO数据集:
# COCOAPI=/path/to/clone/cocoapi
git clone https://github.com/cocodataset/cocoapi.git $COCOAPI
cd /path/to/clone/cocoapi/PythonAPI
make
python setup.py install --user
- 进入CenterNet文件夹中安装所需运行包:
cd /path/to/CenterNet
pip install -r requirements.txt
若在其中出现构建opencv-python错误的话请参考:https://blog.csdn.net/u012331046/article/details/131802939
4. 【重要】删除CenterNet/src/lib/models/networks下的原始DCNv2,下载新的DCNv2:https://github.com/lucasjinreal/DCNv2_latest
5. 【重要】将下载的新的DCNv2版本进行回退到以下版本以匹配我们的pytorch1.8.0和CUDA11.1:
git checkout fa9b2fd740ced2a22e0e7e913c3bf3934fd08098
请注意,请将新下载的DCNv2文件夹的名字(有可能有后缀)改为DCNv2。
- 进入DCNv2中编译:
./make.sh
若出现以下错误:
则打开DCNv2文件夹中的make.sh文件,修改为以下内容后再次执行./make.sh
:
出现以下内容则代表编译完成:
至此,我们的CenterNet代码完全拷贝下来并且对DCNv2也进行了替换编译,接下来就可以继续按照官方文档进行复现。
7. 按照此文件中的Use CenterNet小节进行复现:https://github.com/xingyizhou/CenterNet/tree/master
总结
以上内容是CenterNet模型复现的一个简单实现,请读者注意,我的模型复现是完全基于以上设备和环境来进行的,也就是完全按照那两个表格的内容来进行的,如果你的设备不同(即第一个表格与我不同),比如显卡是3090、2060或其他不同,你同样可以按照第二个表格的内容进行尝试一下,因为代码环境与很多设备都是兼容的,祝你们成功。