linux怎么查看本机内存大小
341
2022-08-22
mmdetection最新版食用教程(一):安装并运行demo及开始训练coco
文章目录
前言1、本地环境2、安装
2.1.步骤2.2.运行demo
3、FasterRcnn训练coco2017数据集
3.1.训练集准备3.2.训练及测试Faster RCNN
总结参考资料
前言
两个月没碰mmdetection了,今天突然发现更新迭代了好几版了,于是重新安装体验了下,发现安装及使用越来越方便了。故打算重新更新几篇mmdet的博文。 本文介绍最新的mmdet = 2.25.1版本的安装及demo及运行coco数据集训练。
1、本地环境
显卡 = 3090 CUDA=11.3 pytorch == 1.7.1 torchvision == 0.8.2openmim == 0.2.0 mmcv-full == 1.6.1 mmdetection == 2.25.1
大家可以首先配置好pytorch和torchvision的虚拟环境。mmcv现在依靠openmim安装及运行。 当然open-mmlab系列的所有库均可使用open-mim直接安装,但本文站在开发角度,所以mmdet使用开发者模式安装。
2、安装
2.1.步骤
step 1:创建虚拟环境 conda create --name openmmlab python=3.7 -y conda activate openmmlab step 2:安装所需的pytorch和torchvision
在激活虚拟环境后,便可安装 mim 及 mmcv,其中mim会自动下载对应torch版本的mmcv,省事了不少。
pip install -U openmim mim install mmcv-full
非常简单。之后便可安装mmdet:
git clone cd mmdetection pip install -v -e .
编译成功后打印下我的pip list:
2.2.运行demo
新版的mmdet也用mim提供了一个简单易用的验证程序。废话不多说,上代码:
# step 1:首先cd进入mmdetection目录:cd mmdetection# step 2: 利用mim下载YOLOv3训练好的权重及config文件# 执行完后会在mmdetection目录下出现一个 权重文件和配置文件mim download mmdet --config yolov3_mobilenetv2_320_300e_coco --dest .# step 3: 运行demopython demo/image_demo.py demo/demo.jpg yolov3_mobilenetv2_320_300e_coco.py yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth --device cpu --out-file result.jpg
运行完代码后,会在mmdetection目录下出现一张result.jpg的图像:
如果出现上述图像,说明安装成功了。
3、FasterRcnn训练coco2017数据集
3.1.训练集准备
首先下载个coco数据集,如果下载比较费劲,欢迎跳转我旧版mmdet安装教程,里面提供了一个voc版转coco数据集的教程,方便大家训练。以下是个文件树,按照以下格式准备自己数据集。
mmdetection ├── mmdet ├── tools ├── configs ├── data │ ├── coco │ │ ├── annotations │ │ ├── train2017 │ │ ├── val2017 │ │ ├── test2017
3.2.训练及测试Faster RCNN
训练命令:
python tools/train.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py
训练效果图:
测试命令:官方github提供了多种测试命令,具体可见参考链接:
python tools/test.py \ configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py \ checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth \ --show-dir
总结
mmdetection的安装更加人性化了,但mmdetection的整体架构没有变,因此,该系列文章会更加详细介绍mmdetection的架构流程以及检测论文代码解读等,敬请期待。若有问题欢迎+vx:wulele2541612007,加群一起交流学习。
参考资料
1、mmdetection的install文档
2、mmdetection的测试文档
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~