mmdetection的离线安装, 你造么？

最新推荐文章于 2024-10-10 15:08:41 发布
最新推荐文章于 2024-10-10 15:08:41 发布
阅读量2.1k 收藏 7
点赞数 2
分类专栏： 工欲善其事必先利其器
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/u012973822/article/details/102652751
版权
本文介绍了如何离线安装mmdetection，包括创建环境、下载相关库和安装步骤，适用于py37+cuda9.0+torch1.1+torchvision0.3.0的环境，详细步骤从查看环境要求到安装mmdetection及其依赖，帮助用户快速搭建目标检测平台。
摘要由CSDN通过智能技术生成

        世界上一切事物的存在，都是因为它有必然的价值，在人工智能之花遍地盛开之际，各大科技公司都在疯狂的攻城掠地，纷纷害怕错过这次盛宴。说到人工智能不得不说到在计算机视觉领域居高领下的深度卷积网络CNN, 自从2012年在ImageNet一举成名后，就一发不可收拾，迅速的渗透到其它视觉任务当中如检测、跟踪，分割。

      最近几年可谓是目标检测的爆发之年，各大state of art算法不断被推出，目前各个公司都开始打造，推广和开源自己的锤子。并将这些检测算法集成在自家造的锤子上，商汤造了mmdetection这个锤子，facebook造了detectron，旷世造了Brain++，图森科技造了SimpleDet。但是这么多锤子，哪款锤子适合我呢？？？选择恐惧症又犯了。。。

                                                                

   

最低0.47元/天 解锁文章
胡说乱侃
关注
专栏目录
【mmdetection安装】在线安装和离线安装
SHLYYY
04-30 917
记录mmdetection安装过程，网络环境好久就选择在线安装，记录离线安装是因为超算网络环境太恶劣…
mmdetection离线安装与使用--填平所有坑实记
寂寞军刀的博客
01-08 6381
mmdetection 的背景与作用，略去1000字不表，自己百度。运用GPU加速做图像识别、检测等工作，请不要用虚拟机，本文环境基于实体机运行。 一、准备工作。 1.配置pip国内源。 在C:\Users\Administrator新建pip文件夹，并新建pip.ini配置文件，文件内容如下： [global] index-url = https://mirrors.aliyun.com/pyp...
MMDetection研究-1.入门及框架
最新发布
周陽讀書
10-10 716
MMDetection
离线（无网络/内网）安装mmdetection全过程
qq_36136196的博客
04-24 2783
参考链接 https://blog.csdn.net/weixin_43408415/article/details/109243846 https://segmentfault.com/a/1190000041521916 离线安装包的网址https://pypi.org/ conda create -n mmdection python=3.8 -y 通过https://pytorch.org/get-started/previous-versions/查看版本对应 conda install pyt
linux离线安装mmdetection,mmdetection-安装
weixin_39937447的博客
05-17 483
被推荐尝试一下mmdetection，之后我就开始进行安装了需求环境如下：Linux (tested on Ubuntu 16.04 and CentOS 7.2)Python 3.4+PyTorch 0.4.1Cython一个都不能错，特别是PyTorch 0.4.1是硬性规定。。。。????我的推荐是先下载，再安装。。。1. 安装PyTorch 0.4.1：pip install torch-0.4...
cefsharp.wpf离线安装包下载_用光盘离线安装 mmdetection
weixin_39689428的博客
11-27 178
由于有的比赛或者项目要求不能联网，需要大家自己离线配置环境，于是琢磨出用光盘安装mmdetection的方法，希望能帮助到大家。准备工作需要提前在有网的环境下进行，设备最好和比赛或者系统相同。为了让下面的离线安装包相互兼容，我们一开始就要确定我们的运行环境：Ubuntu==16.04 ，CUDA==10.1，pyhon==3.7，Nvidia driver==430.50这里我们假设已经安装好显卡...
MMdetection安装
Maggie's blog
11-25 518
MMdetection安装
【文献笔记】Active defect discovery: A human-in-the-loop learning method
wdjkdbndxdhw的博客
08-11 137
本文提出了一种新的SALDD算法，在基于隔离森林的主动缺陷发现中加入稀疏性约束。所提出的SALDD可以同时保持模型的准确性和稀疏性。提出的算法适用于缺陷比例较小的多元数据集。
Xtreme1如何利用AI加速多模态训练数据的处理
Xtreme1_AI的博客
10-18 1024
一起探讨如何使用人工智能来加速多模态训练数据的处理和准备。
智能化软件开发微访谈·第二十期暨2022新年特辑：AI软件架构实践
pengxin_ce的博客
01-15 1405
CodeWisdom智能化软件开发沙龙是复旦大学CodeWisdom团队参与组织的专注于代码大数据与智能化软件开发的学术和技术沙龙，面向相关领域的学术界研究者和工业界实践者，通过各种线上和...
1
qq_43001322的博客
11-25 2311
数字图像处理在刀具状态检测中的应用综述摘要1 介绍1.1 DIP用于刀具状态监控的优缺点2 数字图像处理技术3 照明系统4 。使用图像处理的直接中医技术4.1 。二维技术4.2 。三维技术5 。使用图像处理的间接中药技术5.1 。在线技术5.2 。离线技术6 。结论References sciencedirect 摘要 在过去的三十年中，由于对提高产品质量的需求不断增加，刀具状态监视与自动制造工艺的发展正在并行发展。由于机器视觉系统，计算硬件和非触觉应用的改进，用于工具状态监测的数字图像处理技术的进步是重要
mmdetection安装
熊猫小妖的AI世界
07-12 659
mmdetection对应环境安装
MMDetection的安装
ldtxinkai的博客
10-28 2657
MMDetection具体的安装步骤
mmdetection的安装
qq_40373651的博客
08-20 323
文档链接：链接 install核心：保证cuda、pytorch、mmcv和mmdetection的版本互相一致 步骤： 1、查看cuda版本 nvcc -V 2、创建新的虚拟环境，准备pytorch conda create -n open-mmlab python=3.7 -y conda activate open-mmlab # 安装对应cuda版本的pytorch # https://pytorch.org/get-started/previous-versions/ conda install
安装mmdetection
怡宝2号
08-29 904
1. 第一次尝试 官方要求： Linux (Windows is not officially supported) Python 3.5+ (Python 2 is not supported) PyTorch 1.1 or higher CUDA 9.0 or higher NCCL 2 GCC(G++) 4.9 or higher mmcv 本机环境： pytorch 1.1 cuda 9....
MMDetection 安装 | 一
TensorFlowNews
04-18 1689
作者|open-mmlab 编译|Flin 来源|Github 引言 MMDetection是一款优秀的基于PyTorch的深度学习目标检测工具箱,由香港中文大学(CUHK)多媒体实验室(mmlab)开发。基本上支持所有当前SOTA二阶段的目标检测算法,比如faster rcnn,mask rcnn,r-fcn,Cascade-RCNN等。读者可在 PyTorch 环境下测试不同的预训练模型及训练...
nvidia-1080服务器上离线安装mmdetection2.23步骤
熊猫小妖的AI世界
08-05 644
1）安装mmdetection如果不需要编译的话，只需要在anaconda里面安装相关cudatoolkit即可。安装 conda从清华源下载的是cpu版本， 或者conda不能正常调用pip安装的pytorch问题的话。，建议从清华源下载对应cuda版本的pytorch版本离线安装包，手动安装（参照我如下具体内容）不同的pytorch版本也对应着不同的mmcv版本，需要自行对应好。另外，针对不同的cuda版本，需要安装对应好的pytorch版本；mmcv离线包下载参见上图中。中不同版本的具体链接。....
mmdetection如何进行断点续训？
06-10
mmdetection是一个基于PyTorch的开源目标检测框架，支持多种经典模型和数据集。下面是mmdetection进行断点续训的一般步骤： 1. 在训练过程中，设置合适的`checkpoint_config`参数，以便定期保存模型参数和优化器状态。其中包括： - `interval`：保存checkpoint的间隔epoch数； - `save_optimizer`：是否同时保存优化器状态； - `type`：checkpoint保存的格式，如`epoch`、`iteration`等； - `max_to_keep`：保存的最大checkpoint数目。 例如，在训练Faster R-CNN模型时，可以设置如下的checkpoint_config： ```python checkpoint_config = dict(interval=1, save_optimizer=True, type='epoch', max_to_keep=5) ``` 2. 当训练过程中断时，需要手动加载之前保存的checkpoint。可以使用`mmdet.core.checkpoint.load_checkpoint()`函数加载checkpoint，然后将返回的checkpoint字典中的参数和优化器状态加载到当前模型中。 例如，假设我们之前保存了一个名为`epoch_10.pth`的checkpoint，可以使用以下代码加载checkpoint： ```python from mmdet.core import checkpoint checkpoint_file = 'epoch_10.pth' checkpoint_dict = checkpoint.load_checkpoint(model, checkpoint_file, map_location='cpu') optimizer.load_state_dict(checkpoint_dict['optimizer']) start_epoch = checkpoint_dict['epoch'] + 1 ``` 其中，`model`是当前的模型，`optimizer`是当前的优化器，`map_location`是指定保存checkpoint时使用的设备，如`'cpu'`或`'cuda:0'`等。 3. 基于加载的checkpoint，从上次训练结束的epoch开始，继续训练模型。需要注意的是，由于在加载checkpoint时已经将当前模型的参数和优化器状态设置为上次训练结束的状态，因此可以直接调用训练函数进行训练，无需重新初始化模型和优化器。 例如，在使用`train_detector()`函数进行训练时，可以设置`start_epoch`参数为上次训练结束的epoch，然后继续训练模型： ```python from mmdet.apis import train_detector # continue training from last epoch epochs = 10 train_detector(model, dataset, cfg, distributed=False, validate=True, start_epoch=start_epoch, epochs=epochs) ``` 需要注意的是，由于mmdetection支持分布式训练，因此在进行断点续训时需要根据当前的训练方式（单机多卡、多机多卡等）和之前保存checkpoint时的设置进行相应的调整。同时，在分布式训练中，需要保证所有节点使用相同的checkpoint进行训练，以避免模型不同步的问题。
评论 3
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
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