将POLY-YOLO代码跑起来的环境配置，poly-yolo训练自己的数据集

系统：ubuntu16.04和ubuntu18.04

显卡驱动：网上很多教程，百度一下安装就可以。（最简单直接在软件更新里面安装）

cuda安装：下载安装cuda10.0，下载地址：https://developer.nvidia.com/cuda-toolkit-archive 百度网上很多安装教程。

cudnn安装：下载安装cudnn7.6.5-for-cuda10，下载地址：https://developer.nvidia.com/rdp/cudnn-archive 需要注册，百度网上很多教程。

cuda和cudnn的版本要使用10.0和7.6.5不然会出现一些bug。

1. 安装anaconda。https://www.anaconda.com/

2. 创建虚拟环境:poly-yolo推荐的python=3.5，但是测试发现python=3.6也可以。

conda create -n test python=3.6

3. 安装tensorflow-gpu和keras。

conda activate test
pip install tensorflow-gpu==1.15.0
pip install keras==2.3.0

Notice：使用pip安装可能很慢，把pip的源换成阿里云的源速度就快了。教程 https://www.cnblogs.com/FlyerBird/p/10953790.html

4. 安装其他安装包

conda install pillow
conda install matplotlib
pip install opencv-python
conda install jupyter

5. 运行demo

#打开jupyter ,找到poly-yolo/poly-yolo/poly-yolo-inference.ipynb运行demo
jupyter notebook

6.训练网络结构。

6.1 首先需要准备数据集。我们将coco的 val2014数据集转成poly-yolo需要的数据集，脚本如下。将val2014的coco数据集通过下面数据集转换之后就可以得到一个train.txt存储这我们需要的训练标签。标签格式（path_to\image1.jpg x1,y1,x2,y2,class,p1x,p1y,pnx,pny x1,y1,x2,y2,class,p1x,p1y,pnx,pny）

import json
from collections import defaultdictname_box_id = defaultdict(list)
name_segmentation_id = defaultdict(list)
id_name = dict()
f = open("instances_val2014.json",encoding='utf-8')
data = json.load(f)annotations = data['annotations']
for ant in annotations:id = ant['image_id']name = 'coco/train2014/COCO_val2014_%012d.jpg' % idcat = ant['category_id']if cat >= 1 and cat <= 11:cat = cat - 1elif cat >= 13 and cat <= 25:cat = cat - 2elif cat >= 27 and cat <= 28:cat = cat - 3elif cat >= 31 and cat <= 44:cat = cat - 5elif cat >= 46 and cat <= 65:cat = cat - 6elif cat == 67:cat = cat - 7elif cat == 70:cat = cat - 9elif cat >= 72 and cat <= 82:cat = cat - 10elif cat >= 84 and cat <= 90:cat = cat - 11name_box_id[name].append([ant['bbox'], cat,ant['segmentation']])f = open('train.txt', 'w')
for key in name_box_id.keys():f.write(key)box_infos = name_box_id[key]for info in box_infos:x_min = int(info[0][0])y_min = int(info[0][1])x_max = x_min + int(info[0][2])y_max = y_min + int(info[0][3])box_info = " %d,%d,%d,%d,%d," % (x_min, y_min, x_max, y_max, int(info[1]))#print(info[2])#print('*********************************')if isinstance(info[2],list):if len(info[2])==1:f.write(box_info)lista = []for i in info[2][0]:i = int(i)lista.append(i)f.write(str(lista))      f.write('\n')
f.close()

6.2将calss类别修改成coco的80类别，运行训练模型。网络就开始训练了。

python poly-yolo.py

将POLY-YOLO代码跑起来的环境配置，poly-yolo训练自己的数据集相关推荐

win10caffe-GPU环境配置+mnist手写体训练以及python接口导入详细教程（一步成功）
什么是caffe Caffe是一个深度学习框架,具有表达力强.速度快和模块化的思想,由伯克利视觉学习中心(BVLC)和社区贡献者开发.Yangqing Jia在加州大学伯克利分校攻读博士期间创建了这个 ...
40系笔记本（可不联网激活）深度学习生产力（环境配置和简单训练测试）
40系笔记本深度学习.转码生产力(环境配置和简单训练测试)这里写自定义目录标题深度学习环境准备 CUDA.CUDNN版本问题 torch版本问题其他软件版本的安装命令训练测试代码地址关于Lin ...
[Deep learning 环境配置之四]YOLO算法之YAD2K配置教程
YOLO算法之YAD2K配置教程 ****总结:遇到缺少文件的问题,通常是因为库之间的版本更新问题,解决办法通常是阅读错误原因,修改源代码(增删改缺失的函数/属性). 配置yad2k是个坑,一定要注意 ...
windows10和ubuntu两种环境搭建YOLOX环境配置，并训练VOC数据集
前言:本文使用的代码来自于:https://github.com/Megvii-BaseDetection/YOLOX,确保系统中已经安装好cuda cudnn,未装好的请自行查阅资料进行安装一.W ...
【个人总结】基于项目的AI Studio平台下Linux深度学习环境配置心得
更新一下:现在AI Studio应该已经不能用其他深度学习框架了,用一会儿就会中断前言 PS:本部分主要是对本周工作的总结,标题对应的内容可以跳过本部分上周主要的工作是研究了一下项目utils文件 ...
CV之YOLO：深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录
CV之YOLO:深度学习之计算机视觉神经网络tiny-yolo-5clessses训练自己的数据集全程记录目录训练全部流程记录训练全部流程记录 1.采用tiny-yolo-5clessses训练 ...
YOLO5实战口罩检测识别（win下 + 环境部署配置 + 口罩YOLO格式数据集+训练好的权重）
发财一.环境搭建 1.1.源码下载 1.2.切换虚拟环境 1.3.安装组件二.数据集三.训练四.检测五.写在最末还是先贴下结果图, 最后收敛的pr都接近0.9. 一.环境搭建可以先参考博 ...
用yolo3训练自己的数据集(包含数据搜集,图片标注,图片批量命名以及如何修改代码)——口罩佩戴以及规范佩戴口罩检验
用yolo3训练自己的数据集--口罩佩戴及规范性佩戴检验前言 1. 数据集处理 1.1 数据搜集(多途径) 1.2 自己制作数据集 2.图片标注 2.1 图片批量命名 2.2 使用labelimg进 ...
OpenGL红宝书第九版环境配置
OpenGL红宝书第九版环境配置(VS2017) 对于很多想要学OpenGL的人来说,环境配置一直是一个大问题,笔者就是其中之一.虽然网络上有许多教程,但是由于不同的教程使用的库并不同,利用这些教程配 ...

将POLY-YOLO代码跑起来的环境配置，poly-yolo训练自己的数据集

将POLY-YOLO代码跑起来的环境配置，poly-yolo训练自己的数据集相关推荐

最新文章

热门文章