Pysot与Pysot-toolkit的填坑记录

下面分别是Pysot与Pysot-toolkit的官方github链接
Pysot
Pysot-toolkit

Pysot环境的配置就按照pysot的install.md
注意一定要将pysot添加到你的PYTHONPATH

export PYTHONPATH=/path/to/pysot

然后下载model,并且运行Test tracker,这时候会报错,raise KeyError(“Non-existent config key: {}”.format(full_key))
官方给出的解决办法是要使用最新的config.yaml,要从百度网盘中下载最新的,但是网盘中的config.yaml并不是最新的。
正确的解决办法是pysot github官方给的程序里自带了每个模型的config.yaml文件,然后他给了个model zoo的百度云链接,网盘里有model.pth和config.yaml(和程序自带的同名),但百度网盘里的这个cfg文件没有更新,程序运行的话会报错,所以程序调用时候直接用程序自带的cfg文件就行,model可以用百度云里的。

pysot-toolkit环境的配置就按照github上面介绍的,也需要添加路径

export PYTHONPATH=/path/to/pysot-toolkit

但是glob是安装不上的,应该使用pip install glob2(pip对应的是python2,是Python3的话,就安装glob3)。

Evaluation跟踪器的性能前提是有测试结果的,也就是pysot的Test tracker的结果。
这里要说明一下pysot产生结果的目录在results/dataset/model_name/'
我使用的dataset是VOT2018。 --tracker_result_dir指的是/results/dataset,–trackers 是指model_name

 python bin/eval.py --dataset_dir /root/hdd/gavin/pysot_testing_dataset/VOT2018 --dataset VOT2018 --tracker_result_dir ./results/VOT2018 --trackers model

此外,如果需要观察OTB100性能评估曲线的话,远程连接服务器是无法查看到的,需要打开图形化界面,并且还需要安装latex。

sudo apt-get install texlive-full
  • 4
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
RKNN-Toolkit2是一个用于在Rockchip AI芯片上进行深度学习推理的工具包。它提供了一系列工具和API,用于将训练好的模型转换为RKNN格式,并在Rockchip AI芯片上进行推理。 使用RKNN-Toolkit2,您可以完成以下任务: 1. 模型转换:将训练好的模型转换为RKNN格式,以便在Rockchip AI芯片上进行推理。 2. 模型优化:对模型进行优化,以提高推理性能和准确性。 3. 模型部署:将转换和优化后的模型部署到Rockchip AI芯片上进行推理。 4. 推理测试:在rknn-toolkit2提供的模拟器中进行推理测试,以验证模型的性能和准确性。 以下是使用RKNN-Toolkit2的一些示例步骤: 1. 安装RKNN-Toolkit2:请参考引用中提供的安装教程,按照步骤安装RKNN-Toolkit2。 2. 准备模型:准备一个训练好的模型,可以是常见的深度学习框架(如TensorFlow、PyTorch)训练的模型。 3. 模型转换:使用RKNN-Toolkit2将模型转换为RKNN格式。根据您的模型类型和需求,可以选择不同的转换方法和参数进行转换。 4. 模型优化:根据您的需求,使用RKNN-Toolkit2对转换后的模型进行优化,以提高推理性能和准确性。 5. 模型部署:将优化后的模型部署到Rockchip AI芯片上进行推理。根据您的硬件环境和需求,可以选择不同的部署方式和参数进行部署。 6. 推理测试:使用rknn-toolkit2提供的模拟器,在模拟环境中进行推理测试,以验证模型的性能和准确性。 请注意,具体的步骤和参数可能因您的具体需求和环境而有所不同。建议您参考RKNN-Toolkit2的官方文档和示例代码,以获取更详细的信息和指导。

“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 10
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
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