利用GPU+mmdetection框架训练自己制作的VOC格式数据集详细过程

最新推荐文章于 2024-01-28 18:07:19 发布
VIP文章 最新推荐文章于 2024-01-28 18:07:19 发布
阅读量937 收藏 1
点赞数
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/weixin_37244486/article/details/102254261
版权

7月份完成了这个任务，打算将整个过程记录下来，以便自己日后查看，也供大家学习交流

计算机配置：GPU:1080 Ti  HP Precision-Tower-7810

系统信息：Anaconda 3、Python 3.6、Cuda 9.0、Ubuntu16.04（版本信息很重要）

一、Ubuntu16.04+cuda9.0+anaconda3安装mmdetection

0.写在前面：安装过程中，一定要牢记各个配件版本对应，在网上搜个教程，与博主版本一致的话，会更好。好多错误都是由于版本原因引起的，导致安装失败，费时费力，劳民伤财。

1.NVIDIA显卡驱动+Cuda安装+NCCL：参考这篇博客吧，也可以自己搜索，步骤都大同小异。Ubuntu16.04下cuda9.0+cudnn7.0安装指南                          ubuntu 安装 nccl(最全)

2.anaconda的安装与使用：ubuntu16.04安装和使用Anaconda3（详细&#

最低0.47元/天 解锁文章
麒麟123321
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
labelme批量转化json文件时PermissionError: [Errno 13] Permission denied
09-10
首先我要解释一下，很多时候出现这个问题，并不是你的文件有毛病，很可能是你代码读取的路径不对，这就要追究到代码本身。批量转化可以在json_to_dataset文件里直接运行代码实现。这个思路还要感谢我的一个师兄。 代码如下： import argparse import base64 import json import os import os.path as osp import imgviz import PIL.Image from labelme.logger import logger from labelme import utils import cv2 from math
PermissionError: [Errno 13] Permission denied 已解决
violetsakura的博客
03-19 3632
项目场景： 最近使用Deeplab训练自己的数据集时，需要将labelme所生成的json文件转换为标准数据集。在使用labelme_Json_to_dataset文件进行转换时遇到如下问题 问题描述 转换过程中labelme无法打开json文件 原因分析： labelme没有json文件权限。网上其他方法如下： 有可能已经打开了该文件，关闭该文件后重试 路径设置为文件夹（目录）而非文件 设置该文件夹权限为完全控制 均无法解决该问题。 解决方案： 打开anaconda powershell pr
mmdetection3d分布式训练（多卡训练）
最新发布
weixin_45657478的博客
01-28 1006
mmdetection3d分布式训练（多卡训练）
关于在labelme批量转化json文件时PermissionError: [Errno 13] Permission denied: 'F:/zkx/list_path[i]'的解决
szumaine的博客
02-20 2842
首先我要解释一下，很多时候出现这个问题，并不是你的文件有毛病，很可能是你代码读取的路径不对，这就要追究到代码本身。批量转化可以在json_to_dataset文件里直接运行代码实现。这个思路还要感谢我的一个师兄。 代码如下： import argparse import base64 import json import os import os.path as osp import im...
MMDetection 3.x使用多GPU训练
qq_43248104的博客
06-27 2376
MMDetection 3.x使用多GPU训练
mmdetection使用指定的显卡号并行分布式训练
qq_42897796的博客
11-29 5999
用mmdet进行多卡并行训练时，期望指定自己需要的显卡号，避免使用默认的0号和1号卡
目标检测-跌倒检测数据集-1000张图-+对应VOC/COCO/YOLO三种格式标签+数据集划分脚本+支持GPU(GPUs)
01-20
● 标注说明：采用 labelimg 标注软件进行标注，标注质量高，提供 VOC(xml)、COCO (json)、YOLO (txt) 三种常见目标检测数据集格式，可以直接用于如 YOLO 等的算法训练； ● 附赠训练示例：提供 YOLOv8、YOLOv5 一键...
C#使用TensorFlow.NET训练自己的数据集的方法
12-20
今天，我结合代码来详细介绍如何使用 SciSharp STACK 的 TensorFlow.NET 来训练CNN模型，该模型主要实现 图像的分类 ，可以直接移植该代码在 CPU 或 GPU 下使用，并针对你们自己本地的图像数据集进行训练和推理。...
目标检测-人脸检测数据集-1000张图-+对应VOC/COCO/YOLO三种格式标签+数据集划分脚本+支持GPU(GPUs)
01-15
● 标注说明：采用 labelimg 标注软件进行标注，标注质量高，提供 VOC(xml)、COCO (json)、YOLO (txt) 三种常见目标检测数据集格式，可以直接用于如 YOLO 等的算法训练； ● 附赠训练示例：提供 YOLOv8、YOLOv5 一键...
目标检测-人脑肿瘤检测数据集-5000张图-+对应VOC/COCO/YOLO三种格式标签+数据集划分脚本+支持GPU(GPUs)
01-25
● 标注说明：采用 labelimg 标注软件进行标注，标注质量高，提供 VOC(xml)、COCO (json)、YOLO (txt) 三种常见目标检测数据集格式，可以直接用于如 YOLO 等的算法训练； ● 附赠训练示例：提供 YOLOv8、YOLOv5 一键...
目标检测-夜间行人目标检测数据集-5000张图-+对应VOC/COCO/YOLO三种格式标签+数据集划分脚本+支持GPU(GPU
01-11
● 标注说明：采用 labelimg 标注软件进行标注，标注质量高，提供 VOC(xml)、COCO (json)、YOLO (txt) 三种常见目标检测数据集格式，可以直接用于如 YOLO 等的算法训练； ● 附赠训练示例：提供 YOLOv8、YOLOv5 一键...
关于在labelme批量转化json文件时PermissionError: [Errno 13] Permission denied: ‘F:/zkx/list_path[i]’的解决
01-20
首先我要解释一下，很多时候出现这个问题，并不是你的文件有毛病，很可能是你代码读取的路径不对，这就要追究到代码本身。批量转化可以在json_to_dataset文件里直接运行代码实现。这个思路还要感谢我的一个师兄。 代码如下： import argparse import base64 import json import os import os.path as osp import imgviz import PIL.Image from labelme.logger import logger from labelme import utils import cv2 from math
mmdetection-multigpu火车
02-20
MM检测 新闻：我们在上发布了技术报告。 介绍 master分支适用于PyTorch 1.1或更高版本。 mmdetection是基于PyTorch的开源对象检测工具箱。 这是香港开发的开放式mmlab项目的一部分。 主要特点 模块化设计 我们将检测框架分解为不同的组件，并且可以通过组合不同的模块轻松构建定制的对象检测框架。 开箱即用的多种框架支持 该工具箱直接支持流行和现代的检测框架，例如Faster RCNN，Mask RCNN，RetinaNet等。 高效率 现在，所有基本的bbox和mask操作都可以在GPU上运行。 训练速度比其他代码库（包括 ， 和 ）快或可比。 最先进的 该工具箱源自MMDet团队开发的代码库，该团队在2018年赢得了，我们一直在推动它前进。 除MMDetection外，我们还发布了库用于计算机视觉研究，该库在很大程度上依赖于此工具箱。 执照 该项目
MMDetection——GPU训练
阿基美德的博客
09-29 8542
预先知识 ${CONFIG_FILE}：config/里面的文件 config/faster_rcnn_r50_fpn_1x_coco.py ${CHECKPOINT_FILE}：模型权重所在位置 checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth [–out ${RESULT_FILE}]：测试生成的文件输出位置 [–eval ${EVAL_METRICS}]：选用的测试方法 ${GPU_NUM}：GPU数量 测试数据集 #
（linux/MMdetection）faster RCNN目标检测：训练自己的coco格式数据集，单/多gpu训练与测试，笔记
chao_xy的博客
04-16 2054
（linux/MMdetection）faster RCNN目标检测：训练自己的coco格式数据集，单/多gpu训练与测试，笔记
在服务器指定GPU进行训练
qq_41623632的博客
07-07 5581
服务器上指定GPU训练模型
目标检测00-02：mmdetection(Foveabox为例)-官方数据训练测试-COCO
江南才尽江南山，年少无知年少狂！
09-03 1188
以下链接是个人关于mmdetection(Foveabox-目标检测框架)所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信17575010159相互讨论技术。因为这是对我最大的鼓励。文末附带公众号−海量资源。该系列博客主要以Foveabox为例注意，本人编写该博客的时间为2020/09/02，也就是说，你现在下载的作者代码或许和本人的代码不一样（如果作者有更新过）还有就是，本人调试该代码为ubuntu18.04系统即下面的报错使用ubunt。...
mmdetection训练自己的VOC数据集及常见问题
weixin_43570470的博客
04-14 7115
步骤一：准备数据。首先根据规范的VOC数据集导入到项目目录下...
【mmdetection】使用自定义的coco格式数据集进行训练及测试
热门推荐
YeeKo的博客
05-27 3万+
目录一、mmdetection简介二、环境安装1、安装教程2、运行demo测试环境是否安装成功三、训练自定义的dataset1、准备dataset2、Training前修改相关文件3、Training4、Testing 一、mmdetection简介 项目仓库地址：https://github.com/open-mmlab/mmdetection 香港中文大学-商汤科技联合实验室开源了基于 PyT...
mmDetection训练自己的数据集
09-13
1. 数据准备：将你的数据集标注为mmDetection所支持的格式，如COCO格式或VOC格式。确保每个图像都有对应的标注文件。 2. 配置文件：根据你的数据集和实验需求，修改mmDetection的配置文件。主要包括模型结构、训练...

“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
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