Ubuntu下Faster Rcnn框架的配置

最新推荐文章于 2020-09-10 18:42:28 发布
最新推荐文章于 2020-09-10 18:42:28 发布
阅读量872 收藏
点赞数
分类专栏： 框架安装 文章标签： ubuntu 安装 fasterrcnn
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/xg123321123/article/details/78152879
版权

作者：xg123321123 - 时光杂货店

出处：http://blog.csdn.net/xg123321123/article/details/78152879

声明：版权所有，转载请联系作者并注明出处

网上已经贴满了关于Faster Rcnn的博客，写这篇帖子只是梳理下思路，以便以后查阅。
时隔一年，项目需要，又要用到Faster Rcnn，人生啊真是奇妙

0 前言

我安装的是Matlab版的Faster Rcnn，正式安装前需要装好：

  • matlab(可参考我这篇博客)
1 正式安装
1.1 下载源码
>> git clone --recursive https://github.com/ShaoqingRen/faster_rcnn.git
1.2 编译caffe

                

                
                
        

        

    




        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  时光杂货店
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    0
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                  2
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          










                



	

		

			

				
					
[Ubuntu] 配置faster-rcnn环境记录

				
			

			

				

					05-10
				

			

		

		

			
				
解决兼容问题，2015年的faster-rcnn在[Ubuntu]下 配置环境问题记录

			
		

	



                

              
                



	

		

			

				
					
FasterRCNN-pytorch:FasterRCNN在VGG，ResNet和FPN基础中实现

				
			

			

				

					05-13
				

			

		

		

			
				
 FasterRCNN在VGG，ResNet和FPN基础中实现。  参考：  rbg的FasterRCNN代码： :  模型表现 在VOC2017上进行培训在VOC2017上进行测试 骨干 地图 VGG16  0.7061  ResNet101  0.754 训练模型 1.运行前，您需要：  光盘....

			
		

	



                


  
              

                


	

		

			

				
					
faster-rcnn在ubuntu16.04环境下的超级详细的配置

					
热门推荐

				
			

			

				

					qq_17278169的博客
				

				

					12-06
					
					1万+
					
				

			

		

		

			
				
首先，下载好必须要的安装包。为了方便，我已经全部上传在了百度云。

- ubuntu16.04系统

 链接：http://pan.baidu.com/s/1geU8piz密码：25mk

- cuda8.0，cudnnV5

 链接：http://pan.baidu.com/s/1bpN5dtd密码：igxv

- mkl

 链接：http://pan.baidu.co...

			
		

	





	

		

			

				
					
Ubuntu16.04配置运行faster rcnn

				
			

			

				

					zj09130913的博客
				

				

					11-24
					
					482
					
				

			

		

		

			
				
1.下载faster rcnn：git
clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git
2.lib编译：进入py-faster-rcnn/lib目录
 make
若报错 缺少cython、easydict等错则进行安装
sudo pip install cython
sudo pip install 

			
		

	



		

			
		



	

		

			

				
					
ubuntu14.04配置faster-rcnn【转载】

				
			

			

				

					君莫笑
				

				

					10-21
					
					86
					
				

			

		

		

			
				
链接地址：ubuntu14.04配置faster-rcnn

			
		

	





	

		

			

				
					
ubuntu 14.04下 caffe环境中 faster rcnn安装与运行

				
			

			

				

					what_lei的博客
				

				

					09-06
					
					1594
					
				

			

		

		

			
				
ubuntu 14.04下 caffe环境中 faster rcnn安装与运行
  本文是在caffe安装完成后的基础上安装fast rcnn，可以参考Windows与linux下caffe配置（仅CPU）

     1.下载源码        
      git clone --recursive https://github.com/rbgirshick/py-faster-rcn

			
		

	





	

		

			

				
					
faster rcnn 网络结构图解

				
			

			

				

					10-15
				

			

		

		

			
				
faster rcnn 网络结构图解

			
		

	





	

		

			

				
					
fasterRCNN.rar

				
			

			

				

					02-10
				

			

		

		

			
				
在“fasterRCNN.rar”压缩包中，包含了基于TensorFlow 2.0实现的Faster R-CNN源码。这个实现可能包括以下部分：  1. 数据预处理模块：负责读取数据集，进行图像预处理，如归一化、缩放等。 2. 模型定义：包括RPN和...

			
		

	





	

		

			

				
					
FasterRCNN训练自己的数据

				
			

			

				

					12-21
				

			

		

		

			
				
本渣尝试花了四天时间通读了一遍大佬的代码，奈何功力尚浅，还做不到大范围的修改，因此从github上找到了jwyang的faster-rcnn.pytorch 稍作修改，在Linux下成功实验了自己的数据集。 代码 我所使用的服务器操作系统...

			
		

	





	

		

			

				
					
ubuntu14.04配置faster-rcnn

				
			

			

				

					qq_26569761的博客
				

				

					05-13
					
					2256
					
				

			

		

		

			
				
1 首先要保证安装了cython, python-opencv, easydict，如果没有请执行以下命令：
sudo apt-get install cython
sudo apt-get install python-opencv
sudo pip install easydict


2 Clone the Faster R-CNN repository:
git clone 

			
		

	





	

		

			

				
					
Faster R-CNN搭建教程 ubuntu16.04环境 caffe框架

				
			

			

				

					03-19
				

			

		

		

			
				
ubuntu16.04环境下，基于caffe框架，使用GPU。Faster R-CNN编译和搭建教程，包括问题和报错的解决，demo运行。相关配套的源码和模型有下载地址

			
		

	





	

		

			

				
					
Ubuntu下基于Pytorch的Faster-rcnn环境部署

				
			

			

				

					贾路飞的博客
				

				

					03-19
					
					1739
					
				

			

		

		

			
				
Faster-rcnn代码下载地址，根据作者要求执行此代码需要Pytorch1.0+Python3.6+CUDA 8.0 or higher，我的设备环境如下：

Ubantu18.04+Anaconda3+Pycharm+GTX1650(4G显存)+CUDA10.0+CUDNN+Pytorch1.0.0+Python3.6

第一步:安装Pycharm和Anaconda

具体安装步骤可以参看w...

			
		

	





	

		

			

				
					
Faster R-CNN搭建复现Ubuntu16.04

				
			

			

				

					Dingjy117的博客
				

				

					09-10
					
					454
					
				

			

		

		

			
				
Faster R-CNN搭建复现
本平台环境参数：
gpu：GTX 1050 Ti（mobile）
cpu：intel i7-7700HQ
内存：16GB
Ubuntu版本：16.04
NVIDIA驱动版本：440
cuda版本：cuda_9.0.176_384.81_linux
cudnn版本：cudnn-9.0-linux-x64-v7.6
TensorFlow版本：tensorflow-gpu-1.8.0
安装顺序
1.在Windows下安装Ubuntu双系统（因之前YOLOv3中已经装过几遍，这里省

			
		

	





	

		

			

				
					
Ubuntu 16.04+Faster-Rcnn+ZF

				
			

			

				

					qq_18476449的博客
				

				

					07-24
					
					411
					
				

			

		

		

			
				
Ubuntu 16.04+Faster-Rcnn+ZF

1.Ubuntu16.04安装NVIDIA显卡驱动

显卡型号NVIDIA Geforce 960M

Ubuntu 16.04安装NVIDIA驱动

http://blog.csdn.net/cosmoshua/article/details/76644029

1.1驱动安装下载

从Nvidia 官网下载显卡对应的驱动安装文件

ht...

			
		

	





	

		

			

				
					
Ubuntu下的py-faster-rcnn配置

				
			

			

				

					Peanut 大本营
				

				

					07-14
					
					220
					
				

			

		

		

			
				
    OS：ubuntu 16.04 LTS

    GPU：GTX 1070Ti（Nvidia驱动、cuda、cudnn已安装）

    Python：conda + python2.7

    1、下载源码：git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

    2、在caffe-fast-...

			
		

	





	

		

			

				
					
在ubuntu16.04系统中运行Faster RCNN的Tensorflow代码（一）

				
			

			

				

					hitzijiyingcai的博客
				

				

					08-01
					
					8846
					
				

			

		

		

			
				
本人近期在学习Faster RCNN目标检测算法，花了近一天时间在Tensorflow下将Faster　RCNN实现了，运行了demo.py并得到了结果，因此记录一下从安装到运行，以及对出现的错误进行总结。此次是利用自己的电脑远程访问服务器，在服务器上配置环境并进行运行程序，如果是在自己的电脑上应该也大同小异。

本文为博主原创，转载请注明出处：https://blog.csdn.net/hitz...

			
		

	





	

		

			

				
					
Faster RCNN 环境配置

				
			

			

				

					吾人为学
				

				

					08-16
					
					1609
					
				

			

		

		

			
				
步骤

创建虚拟环境

conda create --name <env_name> <package_names>
# 例如: conda create --name lzw python=3.6



激活虚拟环境
source activate <env_name>(太老)
使用conda activate <env_name>替代


退出虚拟环境
source deactivate(太老)
使用conda deactivate替代


查看已创建环境

			
		

	





	

		

			

				
					
Faster Rcnn代码走读（一） 网络框架

				
			

			

				

					MAGICYANG的专栏
				

				

					06-10
					
					1597
					
				

			

		

		

			
				
Faster Rcnn代码走读（一） 网络框架

本文基于TENSORFLOW的FASTER RCNN的实现。GITHUB地址： 
https://github.com/endernewton/tf-faster-rcnn 
算法原理传送门，可以参考这篇知乎的文章： 
https://zhuanlan.zhihu.com/p/24916624?refer=xiaoleimlnote

网络代码调用...

			
		

	





	

		

			

				
					
在Ubuntu系统、CPU模式下运行Faster R-cnn代码

				
			

			

				

					TillTheWorldEnd的博客
				

				

					12-21
					
					842
					
				

			

		

		

			
				
在Ubuntu系统、CPU模式下运行Faster R-cnn代码

			
		

	





	

		

			

				
					
faster rcnn环境配置pytorch

					
最新发布

				
			

			

				

					06-28
				

			

		

		

			
				
### 回答1：
要配置 Faster R-CNN 在 PyTorch 中的环境，您需要执行以下步骤：

1. 安装 PyTorch：您可以从 PyTorch 官方网站下载并安装 PyTorch。

2. 安装必要的 Python 库：您需要安装一些必要的 Python 库，例如 NumPy、Pillow、matplotlib 等。

3. 下载 Faster R-CNN 代码：您可以从 GitHub 上下载 Faster R-CNN 的代码。

4. 下载预训练模型：您需要下载一个预训练模型，例如在 COCO 数据集上训练的模型。

5. 运行 Faster R-CNN：您可以使用预训练模型运行 Faster R-CNN，并在您的数据集上进行微调。

以上是配置 Faster R-CNN 在 PyTorch 中的基本步骤。具体的操作细节可以参考 PyTorch 和 Faster R-CNN 的官方文档。   

### 回答2：
Faster R-CNN是一种高效的目标检测算法，可用于识别图像中的多个对象。要在PyTorch中配置Faster R-CNN环境，以下是需要遵循的步骤：

第一步：安装PyTorch 
在开始Faster R-CNN环境配置之前，需要先安装PyTorch。可以从官方网站或PyPI上下载和安装文档建议的PyTorch版本。

第二步：安装依赖项 
安装必要的依赖库以使Faster R-CNN算法正常工作。要安装依赖项，可以使用以下命令：

pip install numpy matplotlib opencv-python easydict pyyaml

这将安装numpy, matplotlib, opencv-python, easydict和pyyaml依赖库。

第三步：下载Faster R-CNN库 
在PyTorch中配置Faster R-CNN环境需要下载Faster R-CNN库代码。可以使用以下命令从GitHub上下载库：

git clone https://github.com/jwyang/faster-rcnn.pytorch.git

第四步：下载预训练模型 
在训练Faster R-CNN模型之前，需要下载预训练模型。可以从官方网站或PyTorch官方GitHub库下载预先训练过的Faster R-CNN模型。

第五步：配置环境 
配置Faster R-CNN环境之前，需要确保正确设置路径和环境变量等参数。在要运行代码的主机上，需要设置PYTHONPATH环境变量，以引用Faster R-CNN库和预训练的模型。

export PYTHONPATH=path/to/faster-rcnn.pytorch:$PYTHONPATH 

第六步：运行代码 
完成上述步骤后，可以在PyTorch中运行Faster R-CNN代码并进行目标检测。要执行代码，需要使用以下命令：

python demo.py

上述步骤是Faster R-CNN环境配置的基本步骤。但是，还有一些其他步骤可以在增强配置和效果方面提供更多的帮助。最重要的是对Faster R-CNN代码进行调整，以满足要求，以便在 PyTorch中获取最佳性能。   

### 回答3：
Faster R-CNN是一种基于深度学习的目标检测算法，能够在图像中识别出目标物体的位置、大小和种类等信息。而PyTorch是当前最流行的深度学习框架之一，提供了简单易用、高效、灵活的神经网络构建工具。下面给出在Ubuntu系统上配置PyTorch+Faster R-CNN的步骤。

1. 安装Anaconda：在Anaconda官网上下载相应版本安装包，执行安装程序，安装完成后使用source activate ${env_name}命令创建和使用虚拟环境。

2. 安装CUDA和cuDNN：CUDA是一款由NVIDIA推出的并行计算平台和编程模型，是深度学习模型的加速器；cuDNN是深度神经网络加速库，可以更快地训练和推理深度神经网络。先在NVIDIA官网上下载对应版本的CUDA和cuDNN并安装，然后将cuDNN解压到CUDA的对应目录下。

3. 克隆Faster R-CNN代码：在GitHub上下载Faster R-CNN的源代码，并通过终端进入代码目录，运行conda create --name ${env_name} --file requirements.txt命令，以创建conda环境及依赖包。

4. 下载预训练模型：在Faster R-CNN中使用预训练模型可以加速模型的收敛和提升模型性能。在官网上下载ImageNet预训练模型，将模型文件解压到相应目录下。

5. 安装PyTorch：由于Faster R-CNN使用PyTorch框架，所以需要先安装PyTorch。终端进入conda环境后，在终端中输入conda install pytorch torchvision -c pytorch命令，以安装PyTorch及其依赖项。

6. 进行模型训练和测试：在终端中进入Faster R-CNN代码目录，输入python trainval_net.py --cuda --m voc命令，便可开始训练模型。在模型训练完成后，输入python test_net.py --cuda --proposal=rpn --load_dir {save_dir}命令，以测试模型的性能并输出结果。

总之，Faster R-CNN环境配置PyTorch需要安装Anaconda、CUDA、cuDNN、PyTorch和Faster R-CNN等软件，同时在训练和测试时需要进行相关设置，配合合适的数据集以及预训练模型，才能得到可靠的结果。

			
		

	



              



  
“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 2

	

	
	




  

    

      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