OrientedRepPoints_DOTA环境搭建训练流程及问题
一、背景
OrientedRepPoints_DOTA，接着yolov5旋转目标检测，
继续搞该项目。
二、环境搭建
1.利用pytorch镜像创建环境
到这个网址去下载NCG catalogpytorch的镜像，这里用的是2107版本，比如：
docker pull nvcr.io/nvidia/pytorch:21.07-py3
然后根据该镜像起一个容器container，下面是一个起容器的简单命令例子：
docker run --gpus 0 \-it --name=pytorch_2107_swinORP \--volume=自己的地址:/workspace \--restart=always \--ipc=host --shm-size=4g \--workdir=/workspace \7beec3ff8d35 \/bin/bash
2.进入环境
注意对照着项目中的install.md来进行操作
git clone https://github.com/hukaixuan19970627/OrientedRepPoints_DOTA.git #克隆
#上面这个地址要是下载不了，就先转到gitee上再下载
cd OrientedRepPoints_DOTA
pip install -r requirements.txt #安装
安装 DOTA_devkit
这里遇到了问题1，见问题
cd OrientedRepPoints_DOTA/DOTA_devkit
apt-get install swig #容器里面没有sudo
swig -c++ -python polyiou.i
python setup.py build_ext --inplace
安装orientedreppoints_dota
这里遇到了问题3，见问题
python setup.py develop #or "pip install -v -e ."
三、训练
1.数据集制作
1.1跑demo
安好环境之后，可以直接跑下面的命令，因为它data有demo数据
python DOTA_devkit/ImgSplit_multi_process.py
python DOTA_devkit/DOTA2COCO.py
1.2制作自己数据集
放到data中，主要还是得记得改你所跑的config文件中dataset所指向type的classname，添加上自己数据集的名字。
2.训练命令
python tools/train.py --config 'configs/dota/r50_dota_demo.py'
这是个demo例子，具体的看GetStart.md
问题
1.E: Unable to locate package swig
解：apt-get update E: Unable to locate package XXX 的解决办法
2.ImportError: libGL.so.1: cannot open shared object file: No such file or directory
解：apt install libgl1-mesa-glxImportError: libGL.so.1: cannot open shared object file: No such file or directory
3.RuntimeError: Error compiling objects for extension
解：应该是2）解决了这个问题。
1）找到mmdetection【2.3.0】RuntimeError: Error compiling objects for extension
vim ~/.bashrc
export CUDA_HOME=/usr/local/cuda-11.4#添加上这行
source ~/.bashrc
然后发现还是报错，就
2）Remove all uses of AT_CHECK and replace them with TORCH_CHECK 不是完全根据这里面改的，就是跑setup那个命令，然后看前面的报错，遇到哪个文件中有AT_CHECK就把它替换成TORCH_CHECK。主要是mmdet文件下的ops下的各种子文件中的cpp后缀的文件。 全改完就没问题了。
4.ValueError: need at least one array to concatenate
解：这个之前遇到过，是在coco.py文件中加上自己的类别就好了，但是这次还是不行。后来排查发现，是data里面没有生成应生成的文件。
OrientedRepPoints_DOTA环境搭建训练流程及问题相关推荐
- SOLO模型环境搭建训练流程及问题
一.背景 SOLO是一种图像实例分割模型,我们主要下载的是github这个网站SOLO 因为该模型是基于mmdetection跟mmcv来的,所以要多注意学习掌握这两个东东 二.流程 1.根据inst ...
- ubuntu 从刷机到yolov5环境搭建训练记录
ubuntu 从刷机到yolov5环境搭建训练记录 这两天需要一个模型检测一些摄像头内容,使用yolov5训练了一个模型,记录一下. 1. 刷机 具体步骤不描述,网上很多. 刷机时遇到一个问题,原有系 ...
- Dynamics 365的环境搭建完整流程(一)
Dynamics 365的环境搭建完整流程 一.相关安装包下载 1.Windows Server 64安装包 2.Sql Server2016 安装包 3.Dynamics 365 安装包 4.Dyn ...
- srs视频服务环境搭建简单流程
srs视频服务公网环境搭建简单流程 环境 一台Linux笔记本电脑. 一台win笔记本电脑. 一部安卓手机. 一个动态公网ip. 一个华为路由AX3 Pro. 一个花生壳域名. 一点点耐心 文章目录 ...
- 2022谷粒商城SpringCloud项目环境搭建+项目流程（基础篇）
谷粒商城项目 前言:在真正开始敲代码实现项目功能之前,关于此项目的介绍和环境搭建读者阅读本篇就可以了(笔者自己还记录了一下项目中遇到的小bug以及知识点).后面的功能实现从简考虑没有附上具体的代码(篇 ...
- yolov5 onnxruntime c++在linux平台上GPU推理环境搭建整体流程
前言 最近在学习yolov5模型,然后用onnxruntime在linux平台上搭建一个GPU推理环境,运行一下,顺带记录一下环境搭建的整体过程,记录一下踩坑经历,造福后来人,也避免自己忘记了,可以回 ...
- [人工智能-深度学习-39]：环境搭建 - 训练主机硬件选择全指南（CPU/GPU/内存/硬盘/电源）
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客 本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...
- Mask R-CNN环境搭建完整流程
1.创建环境 conda create --name maskrcnn_benchmark python=3.7 创建conda虚拟环境,python版本为3.7 此外,还可以复制环境 conda c ...
- Hadoop单机环境搭建整体流程
1. Ubuntu环境安装和基本配置 本例程中在MAC上安装使用的虚拟机Ubuntu系统(64位,desktop): 基本配置 考虑到以后涉及到hadoop的应用便于权限的管理,特别地创建一个ha ...
最新文章
- 用python画四叶草代码-python—字符串拼接三种方法
- 经验|博士毕业，也写一些发文章的心得
- 贝塞尔曲线开发的艺术
- 【小白学PyTorch】9.tensor数据结构与存储结构
- oracle中lock和latch的用途
- （08）System Verilog 队列详解
- 脚本程序gdb 脚本
- 如何解决移动硬盘找不到的问题
- VUE项目中引入135编辑器
- fcntl函数的作用及应用场景
- 针对Linux学习，值得阅读的五本书籍，不看可能错失机会
- DSXX平台MCU升级过程研究2014.10.05
- CTEX加中英文摘要
- 洛谷P1878 舞蹈课 贪心 堆
- 树莓派如何连接WiFi
- （附源码）基于PHP二手服装网站 毕业设计 201711
- 【知识图谱】知识图谱概论，通读知识图谱相关概念
- vue2+element-ui实现表格分页显示
- 有未经处理的异常: Microsoft C++ 异常: cv::Exception
- 信用风险评估评分卡 之 极端值