【AI实战】微小目标检测模型SSPNet--训练环境从零开始搭建

本文链接：https://blog.csdn.net/zengNLP/article/details/130401119

该文介绍了如何从零开始搭建SSPNet(ScaleSelectionPyramidNetwork)的训练环境，包括使用Docker拉取GPU镜像，创建容器，安装CUDA，Anaconda，Python环境，PyTorch及相关依赖库mmcv-full和mim，最后克隆SSPNet代码并安装模型所需依赖。

摘要由CSDN通过智能技术生成

【AI实战】微小目标检测模型SSPNet--训练环境从零开始搭建

SSPNet介绍
环境搭建
安装依赖
参考

SSPNet介绍

SSPNet: Scale Selection Pyramid Network for Tiny Person Detection from UAV Images

在这里插入图片描述

官方连接
https://github.com/MingboHong/SSPNet
arxiv
https://arxiv.org/abs/2107.01548

环境搭建

我的机器的cuda是10.2，根据自己的cuda版本到 https://hub.docker.com/ 拉取对应的镜像
一定要拉取带 devel 的版本镜像

拉取gpu镜像

docker pull aegis1/cuda10.2-cudnn8-devel-ubuntu18.04:pcl

创建容器

nvidia-docker run -it -d \
    --name sspnet \
    -v /bee/abc/test_model/:/notebooks \
    -e TZ='Asia/Shanghai' \
    --shm-size 16G \
    -d aegis1/cuda10.2-cudnn8-devel-ubuntu18.04:pcl

进入容器

 docker exec -it sspnet env LANG=C.UTF-8 /bin/bash

安装依赖

安装Anaconda

curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh
ln -s /root/miniconda3/bin/conda /usr/bin/conda

创建py3.8环境

conda create --name SSPNet python=3.8 -y
conda init

退出终端
再进入终端
会出现下面的内容：

(base) root@1212:/#

进入我们的环境 SSPNet

conda deactivate
conda activate SSPNet

如下面的内容；

(SSPNet) root@1212:

安装torch
我的cuda是10.02

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c pytorch

其他cuda版本可以按照
https://pytorch.org/get-started/previous-versions/
来进行安装

安装mim

pip install openmim

安装 mmcv-full

mim install mmcv-full==1.3.18

安装cv2的依赖

apt update
apt install libgl1-mesa-glx  -y

安装SSPNet

git clone https://github.com/MingboHong/SSPNet.git
cd SSPNet
pip install -r requirements.txt
python setup.py develop

【】按照上面的过程一步一步的安装，就能正常跑模型了

参考

https://github.com/MingboHong/SSPNet
https://mmcv.readthedocs.io/en/latest/get_started/installation.html#install-mmcv
https://mmdetection.readthedocs.io/zh_CN/latest/get_started.html
https://github.com/open-mmlab/mim