Faster-RCNN.pytorch的搭建、使用过程个人记录
前言
本文主要记录(1)如何跑通源代码;(2)配置过程中遇到的错误调试过程。
在参考文章基础上添加了自己使用过程中遇到的问题。
参考文章:
Faster-RCNN.pytorch的搭建、使用过程详解(适配PyTorch 1.0以上版本)
faster-rcnn pytorch代码下载
- pytorch0.4.0版源码:https://github.com/jwyang/faster-rcnn.pytorch
- pytorch1.0.0版源码:https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0
一定要下载对应pytorch版本的源码!不然运行版本不兼容!
我自己的配置环境:
python3.7.7+cuda10.1.243+Ubuntu16.04+Pytorch1.0。 英伟达显存8G
faster-rcnn pytorch配置过程
1.安装torch
请移步至https://pytorch.org/get-started/locally/查看相应的安装命令,安装最新版的pytorch包。参考执行代码如下:
conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 -c pytorch
2. 下载源码到本地
具体方法有两种:
(1)git clone到本地
git clone -b pytorch-1.0 --single-branch --depth=1 --recursive https://github.com/jwyang/faster-rcnn.pytorch.git
其中:-b
是分支名,--single-branch
是clone指定分支的命令,--depth==1
是指克隆最近一次更改,--recursive
用于循环递归克隆子项目。
(2)直接下载zip文件至本地
我使用的第二种。
3.创建数据文件夹
在本地创建一个文件夹专门用来搭建Faster-RCNN模型,所有的配置文件均在此目录下进行(如:“/detectron
”)。
首先,将源码的zip文件copy至目标目录/detectron
,同时解压缩得到如下所示文件夹;
其次,创建data文件夹,具体操作如下:
1. cd 进入project根目录
2. mkdir data # 创建data文件夹
或者,