准备工作:
Deformable DETR代码路径如下:
论文路径如下:
https://arxiv.org/abs/2010.04159https://arxiv.org/abs/2010.04159这里如果想要更好的理解deformable detr可以先将transform的论文看一下,deformable detr是detr的改良版本。在本文中,我是用deformable detr作为目标检测的工具。代码中并没有利用此算法进行目标检测的demo,因此借鉴一些大佬的代码实现了一下。
环境配置:
我是在学校的服务器中使用anaconda配置的环境。
创建python环境:
conda create -n deformable_detr python=3.7 pip
激活环境:
conda activate deformable_detr
接下来安装pytorch,此代码要求PyTorch>=1.5.1, torchvision>=0.6.1。
我的CUDA的版本是10.1,因此在如下网址中找到相应的运行的命令。
点击黄色划线查找以前的pytorch的版本。
我使用的是轮子加速的安装方式:如上图所示。pytorch和CUDA的版本需要对应,否则会出现运行错误。
其他的安装库:
pip install -r requirements.txt
到这里环境基本已经安装成功了,后面如果自己加代码室友detr的话,可能会报缺少某某库的问题,直接百度搜索安装教程,都很简单。
编译cuda操作。
cd ./models/ops
sh ./make.sh
# unit test (should see all checking is True)
python test.py
在运行test.py的时候,可能是服务器空间不够了,没有出现所有true,在最后两个测试中出现了“已杀死”错误。
但是发现我在后面使用的过程中并没有有影响和报错。
扫描二维码关注公众号,回复:
14806202 查看本文章
使用:
需要下载coco数据集:并将文件目录的格式按照如下方式放置:
code_root/
└── data/
└── coco/
├── train2017/
├── val2017/
└── annotations/
├── instances_train2017.json
└── instances_val2017.json
我是没有训练,直接使用预训练模型。(前期运行了一下,官网中的train,好像也没有报错,没让他训练完,我就直接中断了)
训练:我将8改为了1,因为我只有一块gpu
GPUS_PER_NODE=8 ./tools/run_dist_launch.sh 8 ./configs/r50_deformable_detr.sh
评估:下载model
运行命令:
<path to config file> --resume <path to pre-trained model> --eval
path to config file,路径如上图,在代码的configs文件夹下,model要和配置文件一致。
使用deformable detr,进行目标检测:展示
结束!!!!!!!