BorderDet复现过程(还没完成)

代码仓库地址

https://github.com/Megvii-BaseDetection/BorderDet/tree/bade7dfdd2e8f25e492d89209534ea243793919e

下载代码压缩包,解压

如下图所示
请添加图片描述
空白处点击鼠标右键,点击open in terminal
请添加图片描述
创建虚拟环境conda create -n BorderDet python=3.6
激活虚拟环境 conda activate BorderDet
请添加图片描述

install cvpods locally

官方代码


python3 -m pip install 'git+https://github.com/Megvii-BaseDetection/cvpods.git'
# (add --user if you don't have permission)

# Or, to install it from a local clone:
git clone https://github.com/Megvii-BaseDetection/cvpods.git
python3 -m pip install -e cvpods

# Or,
pip install -r requirements.txt
python3 setup.py build develop

我先运行的第三种,但是会报错,这里直接说第二种的步骤。

命令行输入git clone https://github.com/Megvii-BaseDetection/cvpods.git
可能会报一个跟git有关的错,只需要安装git即可,输入conda install git,等待安装完成即可
在运行下一条python3 -m pip install -e cvpods之前,需要先安装torch,不然会报错ModuleNotFoundError:No module named 'torch'
请添加图片描述
安装torch:先查看本机的cuda版本,命令行输入nvcc -V,可以查看,查看后到pytorch官网找对应的pytorch版本:
请添加图片描述
最后一行release后面就是版本,我的是10.1
去这个网站:https://pytorch.org/get-started/previous-versions/找对应的版本即可
请添加图片描述
复制对应的版本那行代码到命令行,如图
请添加图片描述
输入python3 -m pip install -e cvpods,会出现很多行,后来又会报错error: command 'gcc' failed with exit status 1,如图所示
请添加图片描述
经过好一阵百度,找到了解决方法
输入sudo apt-get install nvidia-cuda-toolkit,然后输入密码会生成好多东西,不截图了
输入pip install -e cvpods --user,又是很长一串,
请添加图片描述

prepare datasets

官方给的代码

cd /path/to/cvpods
cd datasets
ln -s /path/to/your/coco/dataset coco

先把数据集准备好:按照cvpods/datasets里面的README.md里的格式
请添加图片描述
然后将地址链接到对应的位置,注意地址要用你自己的,不要粘贴我的
输入cd cvpods/datasets
输入ln -s /home/jxz/NewDisk/UbuntuCode/dataset/coco coco

train & test

??又报错了

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要开始复现mmskeleton的过程,请按照以下步骤进行操作: 1. 确保你的系统已经安装了Python和pip。如果有,请先安装它们。 2. 克隆mmskeleton的代码仓库。你可以在GitHub上找到mmskeleton的代码仓库,并使用以下命令克隆代码: ``` git clone https://github.com/open-mmlab/mmskeleton.git ``` 3. 进入克隆的代码仓库目录。 ``` cd mmskeleton ``` 4. 创建并激活一个虚拟环境(可选,但强烈推荐)。 5. 安装依赖项。可以使用以下命令安装必要的依赖项: ``` pip install -r requirements.txt ``` 6. 安装mmskeleton。可以使用以下命令安装mmskeleton: ``` python setup.py install ``` 7. 下载预训练模型。mmskeleton需要一些预训练模型来进行姿态估计等任务。你可以在mmskeleton的文档或代码仓库中找到相应的模型下载链接。下载并解压这些模型,并将它们放置在适当的目录中。 8. 准备数据。根据你的任务和数据集,准备好相应的数据。确保数据的路径与配置文件中指定的路径相匹配。 9. 配置文件设置。在`./configs/pose_estimation/`目录下,你可以找到一些已经配置好的示例配置文件。根据你的需求修改其中的一份配置文件,确保路径和参数设置正确。 10. 运行示例。使用以下命令来运行mmskeleton的示例: ``` python mmskl.py --config ./configs/pose_estimation/pose_demo.yaml ``` 这将使用指定的配置文件运行mmskeleton的姿态估计示例。根据你的配置文件和数据集,你可能需要进行相应的修改。 这些是复现mmskeleton的基本步骤。根据你的具体需求和任务,可能还需要进行其他设置和修改。请参考mmskeleton的文档和代码仓库以获取更详细的信息和指导。
评论
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