參考連結:pytorch-faster-rcnn
第一步:安裝Anaconda,參考【Ubuntu】安裝Anaconda并搭建虛拟環境和遷移
第二步:下載下傳pytorch及其他安裝包(注意以下所有操作都将在虛拟環境pytorch下進行)
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLiAzNfRHLGZkRGZkRfJ3bs92YsYTMfVmepNHL3lFVPpXUq50MNpHW4Z0MMBjVtJWd0ckW65UbM5WOHJWa5kHT20ESjBjUIF2X0hXZ0xCMx81dvRWYoNHLrdEZwZ1Rh5WNXp1bwNjW1ZUba9VZwlHdssmch1mclRXY39CXldWYtlWPzNXZj9mcw1ycz9WL49zZuBnL2AzN5UzNzYTMzEjNwkTMwIzLc52YucWbp5GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.png)
- 下載下傳pytorch(CUDA版本):https://pytorch.org/
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch # or use pip pip3 install torch torchvision
- 下載下傳opencv-python, easydict及matplotlib,scipy:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python, easydict==1.6, matplotlib, tensorboardX, scipy==1.2, PyYAML
- 若第二步使用pip下載下傳tensorboardX,略
第三步:安裝pytorch-faster-rcnn及資料接口
注意:若不是在虛拟環境下,Python COCO API将不能使用
第四步:準備資料集并連結(下載下傳PASCAL VOC 2007)
注意:在第4步中,完整指令應該是:
(pytorch) [email protected]:/data1/zzw/Pytorch-test/pytorch-faster-rcnn/data$ ln -s /data1/zzw/Datasets/VOCdevkit VOCdevkit2007
以上顯示是Datasets資料集的路徑,及資料集連結成功後的結果
第五步:下載下傳預訓練模型并連結
- Google drive here.
比如下載下傳res101模型并解壓,将res101_faster_rcnn_iter_110000.pth放到下面的目錄
pytorch-faster-rcnn/data/voc_2007_trainval+voc_2012_trainval
接下來,在pytorch-faster-rcnn目錄下,使用以下指令建立一個output及其子檔案
NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default
cd ../../..
第六步:測試預訓練模型