热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

win10系统ppyolov2实操训练自己的数据集

Windows10系统PPYOLOv2实操因为之前一直是用pytorch框架,所以这次从paddle环境搭建,到用pp-yolov2训练自己的数据集记

Windows10系统PPYOLOv2实操

因为之前一直是用pytorch框架,所以这次从paddle环境搭建,到用pp-yolov2训练自己的数据集记录下全过程。我的电脑是win10 64位系统。

一、paddle环境搭建
我用了anaconda.
1.创建名为paddle的虚拟环境
conda create -n paddle python=3.8
2.激活虚拟环境
activate paddle
3.安装paddlepaddle库
conda install paddlepaddle-gpu==2.0.2 cudatoolkit=10.0 -c paddle
我安装的是cuda10.0,飞桨2.0.2版本
可根据此链接选择不同版本
(可参考此文档安装并验证是否安装成功 )

补充:换实验室电脑1080TI按照上面用conda装失败了,于是改用pip安装10.2版本,成功:
python -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple

二、安装PaddleDetection
cd E:\PaddleDetection-release-2.0
python setup.py install

报错一:pycocotools安装失败——解决方法:参照自己之前写的博客在paddle虚拟环境下安装好pycocotool,然后再次执行语句“python setup.py install”
报错二:安装shapely报错,找不到geos_c.dll——解决方法:按照此博客解决,要把那个文件放到自己虚拟环境里的路径下,我的是D:\Anaconda3\envs\paddle\Library\bin
在这里插入图片描述
(参考此文档安装并验证成功)
报错三:在这里插入图片描述
此错误不影响安装不影响后面运行,是依赖check上报的错。可以把requirements.txt里的visualdl删掉重新安装就不会报错了。

三、自定义数据集准备
看完数据准备官方说明书
发现之前用yolo网络制作的数据集标注文件是.txt格式的,需要转为coco/voc格式数据集(标注文件分别为.json和.xml),我选择转换为coco格式,参考知乎博客完成转换:
python yolo2coco.py --root_dir E:\PaddleDetection-release-2.0\dataset\garbage\train
报错:在这里插入图片描述
原因是有的标注文件txt中数据后面有回车键空白行,删掉空白行就好了。

四、训练
参考YOLO系列模型参数配置教程设置batchsize、epoches等参数。
之后执行:
python tools/train.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_garbage.yml --eval
遇到问题:
快训练完第一轮就卡住,也不报错,光标一直闪。——解决方法为去掉–eval

五、检测
检测图片:python tools/infer.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_garbage.yml --infer_dir=demo --output_dir=infer_output/ --draw_threshold=0.5 -o weights=output/540.pdparams --use_vdl=Ture
( --infer_dir指定待检测图片文件夹路径)
检测视频:python tools/infer.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_garbage.yml --camera=demo/laji.mp4 --output_dir=infer_output/ --draw_threshold=0.5 -o weights=output/540.pdparams --use_vdl=Ture
六、评估
python -u tools/eval.py -c configs/ppyolo/ppyolov2_r50vd_dcn_365e_garbage.yml -o weights=output/540.pdparams


推荐阅读
  • 通过使用CIFAR-10数据集,本文详细介绍了如何快速掌握Mixup数据增强技术,并展示了该方法在图像分类任务中的显著效果。实验结果表明,Mixup能够有效提高模型的泛化能力和分类精度,为图像识别领域的研究提供了有价值的参考。 ... [详细]
  • 【图像分类实战】利用DenseNet在PyTorch中实现秃头识别
    本文详细介绍了如何使用DenseNet模型在PyTorch框架下实现秃头识别。首先,文章概述了项目所需的库和全局参数设置。接着,对图像进行预处理并读取数据集。随后,构建并配置DenseNet模型,设置训练和验证流程。最后,通过测试阶段验证模型性能,并提供了完整的代码实现。本文不仅涵盖了技术细节,还提供了实用的操作指南,适合初学者和有经验的研究人员参考。 ... [详细]
  • 使用R语言进行Foodmart数据的关联规则分析与可视化
    本文探讨了如何利用R语言中的arules和arulesViz包对Foodmart数据集进行关联规则的挖掘与可视化。文章首先介绍了数据集的基本情况,然后逐步展示了如何进行数据预处理、规则挖掘及结果的图形化呈现。 ... [详细]
  • 本文将深入探讨 Unreal Engine 4 (UE4) 中的距离场技术,包括其原理、实现细节以及在渲染中的应用。距离场技术在现代游戏引擎中用于提高光照和阴影的效果,尤其是在处理复杂几何形状时。文章将结合具体代码示例,帮助读者更好地理解和应用这一技术。 ... [详细]
  • 本文介绍了如何使用 Google Colab 的免费 GPU 资源进行深度学习应用开发。Google Colab 是一个无需配置即可使用的云端 Jupyter 笔记本环境,支持多种深度学习框架,并且提供免费的 GPU 计算资源。 ... [详细]
  • 目录预备知识导包构建数据集神经网络结构训练测试精度可视化计算模型精度损失可视化输出网络结构信息训练神经网络定义参数载入数据载入神经网络结构、损失及优化训练及测试损失、精度可视化qu ... [详细]
  • 在Conda环境中高效配置并安装PyTorch和TensorFlow GPU版的方法如下:首先,创建一个新的Conda环境以避免与基础环境发生冲突,例如使用 `conda create -n pytorch_gpu python=3.7` 命令。接着,激活该环境,确保所有依赖项都正确安装。此外,建议在安装过程中指定CUDA版本,以确保与GPU兼容性。通过这些步骤,可以确保PyTorch和TensorFlow GPU版的顺利安装和运行。 ... [详细]
  • 在Windows环境下离线安装PyTorch GPU版时,首先需确认系统配置,例如本文作者使用的是Win8、CUDA 8.0和Python 3.6.5。用户应根据自身Python和CUDA版本,在PyTorch官网查找并下载相应的.whl文件。此外,建议检查系统环境变量设置,确保CUDA路径正确配置,以避免安装过程中可能出现的兼容性问题。 ... [详细]
  • 2019年斯坦福大学CS224n课程笔记:深度学习在自然语言处理中的应用——Word2Vec与GloVe模型解析
    本文详细解析了2019年斯坦福大学CS224n课程中关于深度学习在自然语言处理(NLP)领域的应用,重点探讨了Word2Vec和GloVe两种词嵌入模型的原理与实现方法。通过具体案例分析,深入阐述了这两种模型在提升NLP任务性能方面的优势与应用场景。 ... [详细]
  • 如何更换Anaconda和pip的国内镜像源
    本文详细介绍了如何通过国内多个知名镜像站(如北京外国语大学、中国科学技术大学、阿里巴巴等)更换Anaconda和pip的源,以提高软件包的下载速度和安装效率。 ... [详细]
  • 精选10款Python框架助力并行与分布式机器学习
    随着神经网络模型的不断深化和复杂化,训练这些模型变得愈发具有挑战性,不仅需要处理大量的权重,还必须克服内存限制等问题。本文将介绍10款优秀的Python框架,帮助开发者高效地实现分布式和并行化的深度学习模型训练。 ... [详细]
  • 学习Linux下使用caffe进行模型训练(三)
    前言不管是训练过程中,查看网络学习的状态,还是训练结束后,使用模型去执行特定任务,都需要一个可被观察的输出呈现在研究者面前,最好是可视化的图形而非冰冷的数字。因此,本次讲的是通过c ... [详细]
  • 本文介绍了在 iOS 开发中设置图片和视图圆角的几种方法,包括通过 layer 设置圆角、使用贝塞尔曲线和 Core Graphics 框架,以及使用 CAShapeLayer 和 UIBezierPath。每种方法都有其优缺点,适用于不同的场景。 ... [详细]
  • 在Windows系统中安装TensorFlow GPU版的详细指南与常见问题解决
    在Windows系统中安装TensorFlow GPU版是许多深度学习初学者面临的挑战。本文详细介绍了安装过程中的每一个步骤,并针对常见的问题提供了有效的解决方案。通过本文的指导,读者可以顺利地完成安装并避免常见的陷阱。 ... [详细]
  • 能够感知你情绪状态的智能机器人即将问世 | 科技前沿观察
    本周科技前沿报道了多项重要进展,包括美国多所高校在机器人技术和自动驾驶领域的最新研究成果,以及硅谷大型企业在智能硬件和深度学习技术上的突破性进展。特别值得一提的是,一款能够感知用户情绪状态的智能机器人即将问世,为未来的人机交互带来了全新的可能性。 ... [详细]
author-avatar
尚艺李波_387
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有