Halcon深度学习环境搭建（win下）全网最全教程

其他 2020-10-26 14:31:48 阅读次数: 0

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cashmood/article/details/105042928

文章目录

在这里插入图片描述
前几天在看深度学习，无意中发现halcon已经可以进行深度学习了。所以使用自己电脑进行了环境搭建。因为对深度学习不是很了解，所以走了许多弯路，也总是战战兢兢的。现在对halcon的环境搭建做一次完整的介绍，让大家按照这个步骤就可以完成系统环境的配置。接下来让我们开始吧！

halcon深度学习介绍

HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包，拥有应用广泛的机器视觉集成开发环境。它节约了产品成本，缩短了软件开发周期——HALCON灵活的架构便于机器视觉，医学图像和图像分析应用的快速开发。在欧洲以及日本的工业界已经是公认具有最佳效能的Machine Vision软件。
HALCON2017版本即带深度学习算法包。可以进行物体识别、分类、语义分割。
Halcon_深度学习功能介绍资料：

https://pan.baidu.com/s/1Q3ZN1Wek6JEldmn1IbyULg 
提取码：ncxc

系统与环境搭建

1、对电脑系统与硬件的要求与安装方式介绍

1、深度学习基于CPU版本

德国HALCON公司机器视觉软件 HALCON18.05于2018年5月22日正式发布。

实现CPU分类，在CPU上进行深度学习

借助HALCON 18.05，客户可以在CPU上执行深度学习，深度学习不再需要GPU。

Halcon 18.05的CPU深度学习方法已针对英特尔兼容x86 CPU进行了高度优化。

♚♚♚安装CPU版本，只需要进行环境搭建与软件安装部分的以下操作：

1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe

以下部分可以不进行操作：
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量

注意： 深度学习基于CPU，在模型训练等过程中运行时长远远大于基于GPU版本，所以还是推荐基于GPU版本，但是如果因为经济条件等因素，CPU版本用来学习还是够用的。

2、深度学习基于GPU版本

  • 要求一：电脑必须要有 NVIDIA 独立显卡，并且GPU处理能力3.0以上

如何查询电脑的显卡型号呢？
1、在电脑桌面，右击“此电脑”，点击“属性”
2、在打开界面，选择“设备管理器”
3、先在“设备管理器”界面，点击“显示适配器”，显卡的型号就会显示出来。
一般 Intel开头的为集成显卡，
一般 AMD、NVIDIA开头的为独立显卡。
4、需要查看显卡详细信息，则右击显卡选择“属性”
文字理解起来不好理解的话这里有图文教程的传送门：https://jingyan.baidu.com/article/4b07be3c90026f48b380f399.html
如何查询显卡算力？
GPU处理能力对照表传送门https://blog.csdn.net/real_myth/article/details/44308169
如何使用这个表格呢？
在这里插入图片描述
例子：例如我们的显卡型号为GTX1060,我们在表格中的GPU型号一栏找到我们的显卡型号，之后查询其对应算力为6.1，符合要求。

  • 要求二：必须64位操作系统（Win7&Win10）

如何查看自己电脑是64位还是32位

这里就不教大家如何装电脑系统了，只附上一键装机的链接，供大家参考使用。（装机对电脑的数据可能造成损坏，如果不熟悉可以私信我，装机有风险）
一键装机传送门 http://hbs.binggongjinghua.com/

♚♚♚安装GPU版本，需要进行环境搭建与软件安装部分的所有操作：
1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量

注意： 不要觉得安装繁琐，安装成功程序跑起来的时候，这些付出都值得。

2、环境搭建与软件安装

在电脑满足系统与硬件的要求的情况下，我们进行软件的安装与环境搭建。
这里我们需要安装所需要的软件
深度学习基于CPU版本：
1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe

深度学习基于GPU版本：

1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量

开始吧！！！！少年

1、安装halcon-19.11.0.0-windows.exe

halcon软件的安装包括两个内容一个是软件本身的安装，一个是软件试用授权文件License的安装。
试用License为一月一换，到期必须更换，购买正版授权加密狗可免限制使用。
请勿修改系统时间去尝试延长授权使用时间，否则将导致被Halcon程序锁死无法使用！
1、下载halcon-19.11.0.0-windows.exe安装包

halcon-19.11.0.0-windows.exe安装包
链接：https://pan.baidu.com/s/1W9X5vy0Wu0q1ZpG6z15QVQ 
提取码：sbgn 

halcon-19.11.0.0授权License文件（2020年4月）
链接：https://pan.baidu.com/s/1UTLEjNX1NOaVaSt6JeJKQA 
提取码：tbjp

2、halcon-19.11.0.0-windows.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows.exe软件，选择以管理员身份运行，打开安装程序，如下图所示：
在这里插入图片描述
安装程序运行，点击红色框内下一步继续
在这里插入图片描述
②、如果电脑安装其他版本halcon，安装软件提示是否卸载之前版本，如果需要卸载点击红色方框内的是按钮，如果保留两个版本，则点击蓝色方框内的否按钮。如果电脑没有安装halcon其他版本，则不会出现此步骤出现的内容。
在这里插入图片描述
如果点击了上一幅图示中的红色方框内的是按钮，则会出现下图所示内容，点击红色方框内的是按钮，继续安装。
在这里插入图片描述
③、之后弹出软件许可协定，首先将红色方框内的滑动条拖拽到最下方，之后勾选蓝色方框内的选择框，最后点击③橘色方框内的Next按钮继续。
在这里插入图片描述
④、接下来弹出是否检查更新的问询窗口，我们先取消红色方框内的勾选框，点击蓝色方框内的Next继续。如下图所示。
在这里插入图片描述
⑤、接下来弹出系统位数选择窗口，我们先选择红色方框内的X64勾选框，再点击蓝色方框内的Next继续。
在这里插入图片描述
⑥、接下来弹出安装内容选择窗口，我们先全选红色方框内的所有选项，之后点击蓝色方框内的Next继续。

在这里插入图片描述

⑦、接下来弹出介绍窗口，我们直接点击蓝色方框内的Next继续。

在这里插入图片描述
⑧、之后弹出是否安装GigE的驱动选项窗口。（是否使用halcon软件连接GigE接口的相机）我们这里选择安装。首先选择红色方框内的勾选框，之后点击蓝色方框内的Next继续。
在这里插入图片描述
⑨、接下来显示软件的安装语言，我们选择英语。首先选择红色方框内的勾选框，之后点击蓝色方框内的Next继续。
在这里插入图片描述
⑩、之后弹出安装位置选择窗口。首先点击红色方框内的按钮选择安装路径，之后点击蓝色方框内的Install进行软件安装。
在这里插入图片描述
⑪、之后会出现提示，我们点击确定，继续即可。
在这里插入图片描述
⑫、软件开始安装
在这里插入图片描述
⑬、等待软件安装完成，点击红色方框内Next按钮以继续。
在这里插入图片描述
⑭、问询是否安装许可证，我们选择不安装。首先点击红色方框内的选择按钮，之后点击蓝色方框内的Next按钮以继续。
在这里插入图片描述
⑮、创建桌面快捷方式，结束安装程序。首先点击红色方框内的选择按钮，之后点击蓝色方框内的Finish按钮以结束。
在这里插入图片描述
3、安装软件授权License
①、下载License文件

halcon-19.11.0.0授权License文件（2020年4月）
链接：https://pan.baidu.com/s/1UTLEjNX1NOaVaSt6JeJKQA 
提取码：tbjp

②、将License文件复制到安装目录下的\license\文件夹下

例如：
halcon安装在：
D:\halcon2019\
则License许可放置位置在：
D:\halcon2019\license\ 文件夹下即可。

2、安装halcon-19.11.0.0-windows-deep-learning-core.exe

1、下载halcon-19.11.0.0-windows-deep-learning-core.exe安装包

halcon-19.11.0.0-windows-deep-learning-core.exe安装包
链接: https://pan.baidu.com/s/1InknWnc9UuAYA5sqSANhSg 
提取码: sj7b

2、halcon-19.11.0.0-windows-deep-learning-core.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows-deep-learning-core.exe软件，选择以管理员身份运行，打开安装程序，如下图所示：
在这里插入图片描述
②、安装程序启动后，点击点击红色方框内Next按钮以继续。如下图所示
在这里插入图片描述
③、选择安装内容。首先点击红色方框内的选择按钮选中安装部分文件，之后点击蓝色方框内的Next按钮以继续。如下图所示。
在这里插入图片描述
④、安装开始。如下图所示。
在这里插入图片描述
⑤、安装结束。点击点击红色方框内Next按钮以继续。如下图所示
在这里插入图片描述
⑥、点击红色方框内的Finish按钮以关闭安装软件。
在这里插入图片描述

3、安装halcon-19.11.0.0-windows-deep-learning-data.exe

1、下载halcon-19.11.0.0-windows-deep-learning-data.exe安装包

halcon-19.11.0.0-windows-deep-learning-data.exe安装包
链接: https://pan.baidu.com/s/1RdFtFNzQPEpiK2_ewrFGXA 
提取码: jmhp

2、halcon-19.11.0.0-windows-deep-learning-data.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows-deep-learning-data.exe软件，选择以管理员身份运行，打开安装程序，如下图所示：
在这里插入图片描述
②、安装程序启动后，点击点击红色方框内Next按钮以继续。如下图所示
在这里插入图片描述
③、选择安装内容。首先点击红色方框内的选择按钮选中安装部分文件，之后点击蓝色方框内的Next按钮以继续。如下图所示。
在这里插入图片描述
④、安装开始。如下图所示。
在这里插入图片描述
⑤、安装结束后，点击红色方框内的Finish按钮以关闭安装软件。如下图所示。
在这里插入图片描述

4、安装CUDA运算平台软件

1、查询电脑CUDA支持的版本
https://jingyan.baidu.com/article/6fb756ec4fabc4241858fbf7.html
2、下载CUDA安装包
这里以最新版本CUDA10.2为例。其他版本用户按照教程寻找对应版本下载。
首先打开英伟达开发者网站下的，CUDA工具包下载网站。（如若觉得去网站下载比较麻烦可以到此项内容最后处，有可以直接网盘下载CUDA10.2的包，给大家准备好）
https://developer.nvidia.com/cuda-toolkit
网站界面如下图
在这里插入图片描述
点击上图红色方框内所示的 DownLoad CUDA 10.2 NOW >
之后显示如下图所示网页。
在这里插入图片描述
点击上图红色方框内所示的 Windows按钮选择windows安装包
之后显示如下图所示网页。
在这里插入图片描述
①蓝色框内表示Win10操作系统下安装包；②红色框内表示Win8操作系统下安装包；③橘色框内表示Win7操作系统下安装包
大家按照自己的需求选择。接下来以win10为例。
点击①蓝色框内按钮
之后显示如下图所示网页。
在这里插入图片描述
点击红色框内的exe [local]按钮，表示下载安装包进行安装。
之后显示如下图所示网页。
在这里插入图片描述
鼠标左键点击红色方框内Download[2.6GB]按钮。进行软件下载。
或者右键点击点击红色方框内Download[2.6GB]按钮，选择迅雷下载。（这个更快一点）（前提电脑有迅雷）
如下图片所示
在这里插入图片描述

当然也为大家准备好了现成的包直接下载
注意是cuda_10.2

Win10用户安装 **cuda_10.2.89_441.22_win10.exe**
链接：https://pan.baidu.com/s/1953UNfMOig-JJvUOrK58Ig 
提取码：3kz8

Win7用户安装 **cuda_10.2.89_441.22_windows.exe**
链接：https://pan.baidu.com/s/1R-zKji19k7Lrk7i5w3YJ1Q 
提取码：g62d

3、安装CUDA

右击下载好的cuda_10.2.89_441.22_win10.exe软件,以管理员身份运行，如下图所示：
在这里插入图片描述
之后显示窗口
在这里插入图片描述
注意：②号红色方框内的路径是安装包解压路径，软件安装完毕后会自动删除。
首先点击①号蓝色框内按钮，选择CUDA的解压路径，之后点击③号橘色方框内的OK按钮以继续。
之后将进行解压缩操作，如下图所示：
在这里插入图片描述
在解压缩过程中，如果安装360等安全软件，会提示软件访问关键位置的警示，选择允许软件所有操作。
解压完成后，安装软件会自行启动，如下图：
在这里插入图片描述
之后软件会进行系统兼容性检查，如下图：
在这里插入图片描述
系统兼容性检查通过后，安装程序显示软件许可协议。如下图：
在这里插入图片描述
点击红色方框内的同意并继续，软件弹出安装选择选项，如下图：
在这里插入图片描述
我们首先点击①红色框内的自定义之后点击②蓝色方框内的下一步继续，之后显示页面：
在这里插入图片描述
这里我们只选择CUDA，其他两项不进行选择。之后点击红色方框内的下一步以继续。

我们接下来更改一下安装位置，安装在D盘下。
安装路径分别为：
D:\NVIDIA\CUDA
D:\NVIDIA\CUDA
D:\NVIDIA\CUDA Samples
如下图所示：
之后点击②蓝色方框内的下一步。**注意：**在点击下一步前，必须关闭vs。
在这里插入图片描述
之后开始安装并等待。如下图所示。
在这里插入图片描述
在这里插入图片描述
等待安装完成。
在这里插入图片描述
点击关闭。

5、安装cuDNN支持包

1、下载cuDNN支持包
这里以cuDNN for CUDA 10.2支持包为例，如果CUDA版本不是10.2的用户，下载相应的cuDNN包

首先打开英伟达开发者网站下的，cuDNN支持包下载网站。（如若觉得去网站下载比较麻烦可以到此项内容最后处，有可以直接网盘下载for CUDA 10.2的包，给大家准备好）
https://developer.nvidia.com/cudnn
网站界面如下图
在这里插入图片描述
点击红色方框内的Download cuDNN按钮，显示以下页面
在这里插入图片描述
有NVIDIA账户的用户点击①红色框内的Login进行登录。
没有NVIDIA账户的用户点击②蓝色框内的Join now进行注册。
我们在这里只介绍登录的方式，对于NVIDIA账户的注册请移步：https://jingyan.baidu.com/article/7908e85c3cae87ef491ad24b.html
点击①红色框内的Login后，网页显示如下：
在这里插入图片描述
填写账户名与密码，之后点击红色方框内的Login，显示如下网页：
在这里插入图片描述
点击红色箭头指向的勾选框，显示如下界面
在这里插入图片描述
我们CUDA安装的是10.2版本，我们在这里选择红色框内的for CUDA 10.2之后显示网页：
在这里插入图片描述
因为我们以WIN10系统为例，所以点击①红色方框内链接进行下载。WIN7用户请点击②蓝色框内链接进行下载。同样大家可以参考CUDA的下载方法使用迅雷进行下载。
当然也为大家准备好了现成 for CUDA 10.2 的包直接下载
注意是for CUDA 10.2

Win10用户安装 **cuda_10.2.89_441.22_win10.exe**
链接：https://pan.baidu.com/s/12ZGiFl9Er2-INJOAXQZqPQ 
提取码：7p1k 

Win7用户安装 **cuda_10.2.89_441.22_windows.exe**
链接：https://pan.baidu.com/s/1eUmnYm4-UzdSB7syTqvKDQ 
提取码：m7xc

2、安装cuDNN支持包
①、解压cuDNN支持包，得到三个文件夹和一个TXT文档。
在这里插入图片描述
②、将解压后的文件复制到安装路径下D:\NVIDIA\CUDA下。
注意：解压到自己的 CUDA 安装路径下。
在这里插入图片描述
之后会显示是否合并文件夹，选择①红色方框内的为所有项目执行操作，之后，点击②蓝色方框内的是按钮。
在这里插入图片描述
完成cuDNN支持包的安装

6、配置环境变量

1、设置环境变量

计算机上点右键，打开属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量，接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径，经自定义路径后，我的路径为D:\NVIDIA\CUDA Samples)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

2、设置系统变量

①在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
②再添加如下4条
（如果选择默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64；
（我安装在D盘需要输入的路径）：
D:\NVIDIA\CUDA\lib\x64；
D:\NVIDIA\CUDA\bin；
D:\NVIDIA\CUDA Samples\common\lib\x64；
D:\NVIDIA\CUDA Samples\bin\win64；
3、配置情况
如下为我的环境变量和PATH的配置情况：
环境变量：
在这里插入图片描述
PATH：
在这里插入图片描述

3、验证Halcon安装

以上所有软件安装完成后，重启电脑。否则可能显示激活不成功。
双击halcon2019图标开启软件。
如果能顺利打开软件，表示软件安装与激活成功。如下图所示。
在这里插入图片描述

4、验证CUDA与cuDNN安装

点击键盘Win键+R键，打开运行界面
在这里插入图片描述
在运行里面输入“cmd” 之后点击确定。打开命令行界面
在这里插入图片描述
输入 cd+安装路径,点击回车，再输入nvcc -V则显示CUDA版本信息。
例如我的安装路径为D:\NVIDIA\CUDA
输入：cd D:\NVIDIA\CUDA回车
输入：nvcc -V回车

如运行后显示CUDA的版本等信息，即可认为安装成功。如下图所示
在这里插入图片描述

运行Halcon深度学习例程

首先为大家介绍Halcon深度学习例程的打开方式
1、双击桌面的halcon图标打开halcon2019
在这里插入图片描述
2、点击halcon2019任务栏中的Ex文件夹图标（如下图所示），打开示例程序窗口：
在这里插入图片描述
示例程序窗口：
在这里插入图片描述
3、点击示例程序中的 “方法” 以展开，如下图所示：
在这里插入图片描述
4、找到深度学习例程部分，如下图所示。
在这里插入图片描述

1、Halcon深度学习之分类

在这里插入图片描述
红框内是halcon深度学习用于分类例程的汇总目录，蓝色框内是halcon深度学习用于分类从训练到最后应用的例程。

halcon深度学习（分类）例程简介

1、classify_pill_defects_deep_learning_1_preprocess.hdev（数据集预处理）

2、classify_pill_defects_deep_learning_2_train.hdev（训练模型）

3、classify_pill_defects_deep_learning_3_evaluate.hdev（评估训练后的模型）

4、classify_pill_defects_deep_learning_4_infer.hdev（用于检测图像）

2、Halcon深度学习之目标检测

在这里插入图片描述
红框内是halcon深度学习用于目标检测例程的汇总目录，蓝色框内是halcon深度学习用于目标检测从训练到最后应用的例程。

halcon深度学习（目标检测）例程简介

1、detect_pills_deep_learning_1_prepare.hdev（）（数据集预处理）

2、detect_pills_deep_learning_2_train.hdev|（）（训练模型）

3、detect_pills_deep_learning_3_evaluate.hdev（）（评估训练后的模型）

4、detect_pills_deep_learning_4_infer.hdev（用于检测图像）

3、Halcon深度学习之语义分割

在这里插入图片描述
红框内是halcon深度学习用于语义分割例程的汇总目录，蓝色框内是halcon深度学习用于语义分割从训练到最后应用的例程。

halcon深度学习（语义分割）例程简介

1、segment_pill_defects_deep_learning_1_preprocess.hdev （数据集预处理）

2、segment_pill_defects_deep_learning_2_train.hdev（训练模型）

3、segment_pill_defects_deep_learning_3_evaluate.hdev（评估训练后的模型）

4、segment_pill_defects_deep_learning_4_infer.hdev （用于检测图像）

  • 博主简介：
  • 工业自动化上位机软件工程师、机器视觉算法工程师、运动控制算法工程师。目前从业于智能制造自动化行业。 博主邮箱：[email protected]
  • 接下来一段时间，我将持续更新关于Halcon深度学习的相关内容。帮忙点个赞吧。哈哈。

猜你喜欢

转载自blog.csdn.net/cashmood/article/details/105042928
今日推荐
基于大语言模型的开源知识库问答系统 MaxKB GitHub Star 数量突破 5,000 个！
美国拟限制 AI 大模型出口中国和俄罗斯
苹果将与 OpenAI 达成协议，将 ChatGPT 应用于 iPhone
openKylin 社区生态委员会第六次会议圆满召开
阿里云正式发布通义千问 2.5
Python 3.13 发布首个 Beta：实验性自由线程模式和 JIT、改进交互式解释器
Stack Overflow 拿我的代码去训练 AI 大模型，还封了我的账号
Pop!_OS 的 COSMIC 桌面完成 App Store 上架工作
报告：Django 仍然是 74% 开发者的首选
《2024 年一季度互联网投融资运行情况》研究报告
15 年前上了“FFmpeg 耻辱柱”，今天他还得谢谢咱——腾讯QQPlayer一雪前耻？
TIOBE 5 月榜单：Fortran “复活”进入 Top 10
周排行
BPM为企业带来的实际利益
好程序员web前端分享css常用属性缩写
Java文件下载（excel）
css样式的动态添加及显示和隐藏等零碎用法
axios全局配置以及拦截器
使用Logstash来实时同步MySQL和log日志数据到ES
C++获取当前时间（年月日、时分秒、毫秒）
Odoo产品分析 (四) -- 工具板块(11) -- 网站即时聊天(1)
Java环境配置正确，但是java、javac、java -version均返回“不是内部或外部命令，也不是可运行的程序或批处理文件”？
01 官网下载各种CentOS教程（超详细版）
每日归档
更多
2024-05-14(0)
2024-05-13(18)
2024-05-12(0)
2024-05-11(38)
2024-05-10(38)
2024-05-09(35)
2024-05-08(42)
2024-05-07(14)
2024-05-06(40)
2024-05-05(0)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022