Pytorch版faster rcnn的安装、配置与测试

本文介绍了如何在Pytorch中安装、配置和测试Faster R-CNN目标识别模型,详细讲解了从下载源码、编译模块到训练自定义模型的全过程,包括解决编译时可能遇到的问题,数据集的准备,以及使用预训练模型进行测试。
摘要由CSDN通过智能技术生成

Pytorch作为一个较新的开源框架,十分简洁好用,完全不亚于Tensorflow等成熟框架。

最近在学习Faster R-CNN, 发现Pytorch版本的资料不多,所以在这里记录与分享下自己安装配置Pytorch版本的faster cnn的过程。过程是搬运+翻译的说明文档,增加了一些细节性的东西和报错解决。

这里我用的是github上ruotianluo开源的代码:pytorch-faster-rcnn

一、安装

  • 下载代码

git clone https://github.com/ruotianluo/pytorch-faster-rcnin.git

  • 编译模块(nms, roi_pooling, roi_align)

这里可能会报错,后面讲解决方案

cd pytorch-faster-rcnn/lib

bash make.sh

cd ../

  • 安装python COCO API (获取COCO数据集用)

cd data

git clone https://github.com/pdollar/coco.git cd coco/PythonAPI

make

cd ../../..

编译的过程中可能会报错,这时候对照下这个表,去 make.sh 里删掉的不支持的arch

GPU model Architecture
TitanX (Maxwell/Pascal) sm_52
GTX 960M sm_50
GTX 1080 (Ti) sm_61
Grid K520 (AWS g2.2xlarge)
  • 12
    点赞
  • 75
    收藏
    觉得还不错? 一键收藏
  • 42
    评论
评论 42
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