pytorch模型加载测试_使用Pytorch实现物体检测（Faster R-CNN）

在本示例中，介绍一种two-stage算法(Faster R-CNN)，将目标区域检测和类别识别分为两个任务进行物体检测。本示例采用PyTorch引擎进行模型构建。

如果您已熟练使用Notebook和Github，可以从Github下载样例文件(Faster-R-CNN.ipynb)，然后上传至ModelArts Notebook中直接使用。

创建并打开Notebook在ModelArts管理控制台，进入“开发环境>Notebook”页面，单击左上角的“创建”。

在“创建Notebook”页面，参考表1填写相关信息，然后单击“下一步”。

表1本示例的参数填写说明参数

说明

名称

用户可自定义Notebook实例名称。

自动停止

为避免资源浪费，启用自动停止功能，并选择1小时后自动停止。

工作环境

选择“Multi-Engine 1.0 (python3 推荐)”。

资源池

选“公共资源池”。

类型

选择“GPU”。

规格

选择“GPU: 1*v100NV32 CPU: 8 核 64GiB”，您也可以选择“免费规格”，如果使用“免费规格”，可能会由于使用人数较多导致排队等待。

存储类型

选择“云硬盘(EVS)”，使用默认的5GB磁盘规格即可。

根据界面提示完成Notebook实例创建，单击“返回Notebook列表”。

在“Notebook列表”中，等待Notebook实例创建完成，当状态变为“运行中”时，表示Notebook实例已创建成功。

单击操作列的“打开”，进入Notebook开发环境。

在Jupyter页面，单击“New>PyTorch-1.0.0”，新建一个Pytorch工作环境。

单击左上方的文件名“Untitled”，并输入一个与本示例相关的名称，例如“Faster R-CNN”。

执行如下代码测试开发环境是否可用。在单元格中输入，然后单击“Run”，运行后回显信息如图1所示，表示开发环境可正常使用。print("hello,ModelArts!")

图1测试开发环境

数据准备

首先，执行如下代码将需要的代码和数据下载到Notebook。

本示例使用PASCAL VOC 2007数据集训练模型，共20个类别的物体。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20import os

from modelarts.session import Session

sess = Session()

if sess.region_name == 'cn-north-1':

bucket_path="modelarts-labs/notebook/DL_object_detection_faster/fasterrcnn.tar.gz"

elif sess.region_name == 'cn-north-4':

bucket_path="modelarts-labs-bj4/notebook/DL_object_detection_faster/fasterrcnn.tar.gz"

else:

print("请更换地区到北京一或北京四")

if not os.path.exists('./experiments'):

sess.download_data(bucket_path=bucket_path, path="./fasterrcnn.tar.gz")

if os.path.exists('./fasterrcnn.tar.gz'):

# 解压压缩包

os.system("tar -xf ./fasterrcnn.tar.gz")

# 清理压缩包

os.system("rm -r ./fasterrcnn.tar.gz")

当回显信息出现如下类似信息时，表示数据已导入成功。

Successfully download file modelarts-labs-bj4/notebook/DL_object_detection_faster/fasterrcnn.tar.gz from OBS to local ./fasterrcnn.tar.gz

安装依赖并引用

执行如下命令，等待运行结束。

1

2

3!pip install pycocotools==2.0.0

!pip install torchvision==0.4.0

!pip install protobuf==3.9.0

当出现“Successfully installed...”类似信息时，表示上述命令安装成功。分两个Cell，执行如下示例代码，引用依赖。

1

2

3

4

5

6

7

8

9

10

11import tools._init_paths

%matplotlib inline

from __future__ import absolute_import

from __future__ import division

from __future__ import print_function

import tensorboardX as tb

from datasets.factory import get_imdb

from model.train_val import get_training_roidb, train_net

from model.config import cfg, cfg_from_file, cfg_from_list, get_output_dir, get_output_tb_dir

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15import roi_data_layer.ro