深度学习入门|利用Tensorflow复现Yolov1/v2

使用PaddlePaddle解决论文复现问题

首先开始进行环境的配置

步骤1.安装Anaconda

官方网站:www.anaconda.com 链接: link.
(下载安装即可,无需选择版本)

步骤2.对Anaconda创建新的环境进行配置

进入”C:\Users\Administrator“,找到“.condarc“这个文件,打开“.condarc“,将内容清空,将以下代码添加到文件,并保存。

ssl_verify: true
show_channel_urls: truechannels:- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

步骤3.创建虚拟环境

打开放大镜,搜索Anaconda Prompt,并打开,系统默认的初始环境是(base),显示如下:

创建虚拟环境:
输入

conda create -n tensorflow python=3.6

(依论文要求Python3 + Tensorflow1.5 + OpenCV-python3.3.1 + Numpy1.13
windows和ubuntu环境都可以)
(虚拟环境名字可自行命名,这里默认为tensorflow)
一个回车键,出现如下信息,证明创建成功:

最后一行输入y

环境创建成功。若未出现步骤3里图片信息,证明步骤二环境未配置,重新执行步骤2.

步骤3:对虚拟环境进行环境配置

输入

activate tensorflow

一个回车,进入虚拟环境(tensorflow)

开始配置tensorflow库:
pip install tensorflow==1.5.0 -i http://pypi.douban.com/simple/ --trusted-hostpypi.douban.com

(若出现代黄色的字体(可能没又用管理员身份运行),不要慌,不影响安装,可继续进行)
会提示需要升级pip库:

python -m pip install --upgrade pip

一个回车执行.

继续安装keras2.1.6

输入

pip install keras==2.1.6 -i http://pypi.douban.com/simple/ --trusted-hostpypi.douban.com

一个回车执行.

安装numpy1.16.0

输入
下面展示一些 内联代码片

pip install numpy==1.16.0 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
安装opencv

进入此网站https://www.lfd.uci.edu/~gohlke/pythonlibs/#tatsu找到
图片中标注的文件下载到本地

记住文件路径,(安装时需要用到),回到虚拟环境下执行
图片中命令(cd到路径是本机电脑下载此文件的文件名,更改一下即可,切勿复制)

以上步骤全部完成以后进行检查,输入

conda list

检查一下以上配置全部到位,未到位重新来一遍.

步骤4:配置pycharm

就是将tensorflow环境添加进去

出现这个就完成了,没出现点add添加
选择Conda即可.

步骤5:将相关文件导入即可

yolov1:https://github.com/TowardsNorth/yolo_v1_tensorflow_guiyu
yolov2:
https://github.com/KOD-Chen/YOLOv2-Tensorflow
下载到本地,将文件按次序添加到pycharm中,(一点都不要错)
例如这是yolov2的文件放置:

运行主函数即可.

步骤6:结果展示

深度学习入门|利用Tensorflow复现Yolov1/v2相关推荐

  1. 深度学习之利用TensorFlow实现简单的卷积神经网络(MNIST数据集)

    卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks),是深度学习 ...

  2. 深度学习之利用TensorFlow实现简单的全连接层网络(MNIST数据集)

    Tensorflow是一个基于数据流编程(Dataflow Programming)的符号数学系统,被广泛应用于各类机器学习(Machine Learning)算法的编程实现,其前身是谷歌的神经网络算 ...

  3. 深度学习入门——利用卷积神经网络训练CIFAR—10数据集

    CIFAR-10数据集简介 CIFAR-10是由Hinton的学生Alex Krizhevsky和Ilya Sutskever整理的一个用于普适物体的小型数据集.它一共包含10个类别的RGB彩色图片: ...

  4. 深度学习入门笔记系列 ( 二 )——基于 tensorflow 的一些深度学习基础知识

    本系列将分为 8 篇 .今天是第二篇 .主要讲讲 TensorFlow 框架的特点和此系列笔记中涉及到的入门概念 . 1.Tensor .Flow .Session .Graphs TensorFlo ...

  5. 深度学习入门笔记(十五):深度学习框架(TensorFlow和Pytorch之争)

    欢迎关注WX公众号:[程序员管小亮] 专栏--深度学习入门笔记 声明 1)该文章整理自网上的大牛和机器学习专家无私奉献的资料,具体引用的资料请看参考文献. 2)本文仅供学术交流,非商用.所以每一部分具 ...

  6. [TensorFlow深度学习入门]实战七·简便方法实现TensorFlow模型参数保存与加载(ckpt方式)

    [TensorFlow深度学习入门]实战七·简便方法实现TensorFlow模型参数保存与加载(ckpt方式) 个人网站–> http://www.yansongsong.cn TensorFl ...

  7. 使用TensorFlow.js在浏览器中进行深度学习入门

    目录 设置TensorFlow.js 创建训练数据 检查点 定义神经网络模型 训练AI 测试结果 终点线 内存使用注意事项 下一步是什么?狗和披萨? 下载TensorFlowJS示例-6.1 MB T ...

  8. Tensorflow深度学习入门(1)——Tensorflow环境搭建

    Tensorflow深度学习入门--环境搭建 自测以下的环境搭建方式是行得通的,目前我用的就是这些 1.        下载安装Ubuntu 14.04 虚拟机 https://github.com/ ...

  9. [TensorFlow深度学习入门]实战九·用CNN做科赛网TibetanMNIST藏文手写数字数据集准确率98%+

    [TensorFlow深度学习入门]实战九·用CNN做科赛网TibetanMNIST藏文手写数字数据集准确率98.8%+ 我们在博文,使用CNN做Kaggle比赛手写数字识别准确率99%+,在此基础之 ...

最新文章

  1. 编译安装Zabbix 2.2 (LNMP环境)
  2. win7设置java环境变量_win7下JAVA环境变量配置方法
  3. java排序——桶排序
  4. (二)Thymeleaf标准表达式之——简单表达式
  5. Laravel php artisan optimize 源码解读
  6. 适配器模式——类适配器模式,对象适配器模式
  7. 品牌到底要不要做全渠道?且听他们怎么说……
  8. ES亿级数据检索优化,三秒返回突破性能瓶颈
  9. 道里云SDN云网络技术:使云能够“众筹”
  10. python开源流程图软件_Dia
  11. java 方法 示例_Java集合的lastlastIndexOfSubList()方法和示例
  12. 黄聪:Discuz X2.0 SEO:论坛面包屑导航伪静态 去掉面包屑导航forum.php(转)
  13. 特征筛选9——根据重要性SelectFromModel筛选特征(有监督筛选)
  14. 【Linux网络编程】使用GDB调试程序
  15. 位图转换G代码小程序
  16. SSM框架的基本原理及特点讲解---COOKIE
  17. 【板栗糖GIS】twinmotion—twinmotion如何联动sketchup
  18. 怎么SSH远程连接云服务器
  19. 【马红“名师+”研修共同体成员风采】
  20. AMD EPYC(霄龙)Genoa服务器 | 综合评测

热门文章

  1. python如何计算个人gpa_GPA计算Python
  2. echarts 实现横坐标只显示第一个和最后一个自定义的内容
  3. android obb在哪,未解决:Android 使用obb步骤
  4. 《用户至上:用户研究方法与实践(原书第2版)》一2.3 理解产品
  5. 计算机与昆虫关系的论文,浅谈昆虫与人类的关系.doc
  6. 快速学习Java8新特性第七讲——Optional类
  7. OpenCV轮廓最大内接矩形(带角度)-计算与绘制(Python / C++源码)
  8. 半方差(semi-variogram)分析的原理和应用
  9. 论文笔记 NAACL findings 2022|Zero-Shot Event Detection Based on Ordered Contrastive Learning and Prompt-
  10. 数据增强-亮度-对比度-色彩饱和度-色调-锐度 不改变图像大小