• 配置低版本CUDA和pytorch、mmdetection


    pytorch 0.4.1 docker地址:

    https://hub.docker.com/r/linkoffate/torchen

    https://hub.docker.com/r/airaria/pytorch0.4.1

    直接上干货,CUDA9.0版本对应的pytorch是0.4.1,使用其他版本pytorch不支持,一定要安装0.4.1版本,github上的mmdetection安装对应CUDA9.0的在branch0.4.1里,但是注意!!!!!!!!!!github上不知道为什么,pytorch0.4.1分支里的少一些文件我安装了好几次进到提示少deform_conv_cuda等文件,又对比主分支才发现少了很多文件.

    解决办法:

    1.git项目(不在github上)

    git clone https://gitee.com/mirrors/mmdetection.git

    2.切换到pytorch-0.4.1分支(针对CUDA9.0用户)

    cd mmdetection

    git checkout pytorch-0.4.1

    3.安装

    3.1创建虚拟环境(需要python3.5+)

    conda create -n python3.5 python=3.5.4

    conda activate python3.5

    3.2安装依赖库(两种安装方式二选一)

     conda install pytorch=0.4.1 -c pytorch #pip install pytorch=0.4.1 -c pytorch

    conda install cython #pip install cython

    cd mmdetection#如果已经在此目录不需要此条命令

    ./compile.sh

    3.3安装mmcv

    git clone https://github.com/open-mmlab/mmcv.git
    cd mmcv
    pip install .

    4.安装mmdet

    cd mmdetection#如果已经在此目录不需要此条命令

    python setup.py install #pip install .

    测试代码

    预训练模型需要自己下载

    1.  
      import mmcv
    2.  
      from mmcv.runner import load_checkpoint
    3.  
      from mmdet.models import build_detector
    4.  
      from mmdet.apis import inference_detector, show_result
    5.  
       
    6.  
      cfg = mmcv.Config.fromfile('/home/stardust/mmdetection/configs/faster_rcnn_r50_fpn_1x.py')
    7.  
      cfg.model.pretrained = None
    8.  
       
    9.  
      # 构建网络,载入模型
    10.  
      model = build_detector(cfg.model, test_cfg=cfg.test_cfg)
    11.  
       
    12.  
      # _ = load_checkpoint(model, 'https://s3.ap-northeast-2.amazonaws.com/open-mmlab/mmdetection/models/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth')
    13.  
      # 如果通过网盘下载,取消下一行代码的注释,并且注释掉上一行
    14.  
      _ = load_checkpoint(model, 'model/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth')
    15.  
       
    16.  
      # 测试一张图片
    17.  
      img = mmcv.imread('test.jpg')
    18.  
      result = inference_detector(model, img, cfg)
    19.  
      show_result(img, result)
    20.  
       
    21.  
      # 测试多张图片
    22.  
      # imgs = ['test1.jpg', 'test2.jpg']
    23.  
      # for i, result in enumerate(inference_detector(model, imgs, cfg, device='cuda:0')):
    24.  
      # print(i, imgs[i])
    25.  
      # show_result(imgs[i], result)

     

     
     原文链接:http://kmanong.top/kmn/qxw/form/article?id=17694&cate=56



    如果这篇文章帮助到了你,你可以请作者喝一杯咖啡

  • 相关阅读:
    SpringMVC【二、项目搭建】
    SpringMVC【一、概述】
    VUE【四、组件】
    VUE【三、指令】
    VUE【二、选项和生命周期】
    VUE【一、概述】
    BootStrap【四、插件】
    BootStrap【三、组件】
    BootStrap【二、样式】
    C#+ArcEngine创建企业数据库、连接及相关
  • 原文地址:https://www.cnblogs.com/sddai/p/15627991.html
Copyright © 2020-2023  润新知