内容简介:工程:环境:MacOS + pip + torch + maskrcnn-benchmark
maskrcnn-benchmark 是Facebook开源的基准(benchmark)算法,其中包含检测、分割和人体关键点检测。
Faster R-CNN and Mask R-CNN in PyTorch 1.0
- 如何使用pip环境配置工程;
- 如何使用MacOS的CPU环境配置依赖库;
环境:MacOS + pip + torch + maskrcnn-benchmark
基础配置
下载maskrcnn-benchmark工程
git clone https://github.com/facebookresearch/maskrcnn-benchmark.git 复制代码
virtualenv创建虚拟环境,选择 python 3,同时激活。
virtualenv -p python3 mlp3_venv 复制代码
必须使用Python3.6.8+,推荐使用3.7
或者 使用已有的虚拟环境。
安装依赖包:
pip install ninja yacs cython matplotlib tqdm opencv-python 复制代码
安装PyTorch,直接官网
pip3 install torch torchvision 复制代码
依赖库
maskrcnn-benchmark需要两个依赖库cocoapi和apex, 参考 , 略有不同 。
安装包:pycocotools 2.0, 激活已有的虚拟环境 ,再执行:
git clone https://github.com/cocodataset/cocoapi.git cd cocoapi/PythonAPI python setup.py build_ext install 复制代码
安装包:apex 0.1,执行:
git clone https://github.com/NVIDIA/apex.git cd apex MACOSX_DEPLOYMENT_TARGET=10.9 CC=clang CXX=clang++ python setup.py install --cpp_ext 复制代码
注意:
MACOSX_DEPLOYMENT_TARGET=10.9 CC=clang CXX=clang++ --cuda_ext
安装包:maskrcnn-benchmark 0.1,执行
cd maskrcnn-benchmark MACOSX_DEPLOYMENT_TARGET=10.9 CC=clang CXX=clang++ python setup.py build develop 复制代码
测试
在 ·.torch/models
中,下载模型,约458M:
wget https://dl.fbaipublicfiles.com/detectron/37697547/12_2017_baselines/e2e_keypoint_rcnn_R-50-FPN_1x.yaml.08_42_54.kdzV35ao/output/train/keypoints_coco_2014_train%3Akeypoints_coco_2014_valminusminival/generalized_rcnn/model_final.pkl 复制代码
重命名:
mv model_final.pkl _detectron_37697547_12_2017_baselines_e2e_keypoint_rcnn_R-50-FPN_1x.yaml.08_42_54.kdzV35ao_output_train_keypoints_coco_2014_train%3Akeypoints_coco_2014_valminusminival_generalized_rcnn_model_final.pkl 复制代码
预测
Troubleshooting
常见问题的解决方案。
libomp.dylib
遇到如下问题:libomp.dylib无法加载
ImportError: dlopen(python3.7/site-packages/torch/_C.cpython-37m-darwin.so, 9): Library not loaded: /usr/local/opt/libomp/lib/libomp.dylib Referenced from: python3.7/site-packages/torch/lib/libshm.dylib Reason: image not found 复制代码
安装libomp包:
brew install libomp 复制代码
torch.version.cuda.split('.')
GPU的版本,异常:
get_cuda_version return tuple(int(x) for x in torch.version.cuda.split('.')) AttributeError: 'NoneType' object has no attribute 'split' 复制代码
环境是Mac的CPU环境,没有GPU,而在apex源码中,依然寻找GPU,导致Bug,修改源码即可:
/apex/amp/lists/torch_overrides.py
的第69行,增加Try-Except语句,屏蔽异常:
try: if utils.get_cuda_version() >= (9, 1, 0): FP16_FUNCS.extend(_bmms) else: FP32_FUNCS.extend(_bmms) except: FP32_FUNCS.extend(_bmms) 复制代码
OK, that's all!
以上所述就是小编给大家介绍的《maskrcnn-benchmark 工程配置》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- React工程的VS Code插件及配置
- Flutter与已有iOS工程混合开发与脚本配置
- 前端开发工程师的 Mac 初始化配置
- H5新人福音~零配置搭建现代化的前端工程
- H5新人福音~零配置搭建现代化的前端工程
- 音视频连载基础学习篇(一): SDL 介绍以及工程配置
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
深入浅出强化学习:原理入门
郭宪、方勇纯 / 电子工业出版社 / 2018-1 / 79
《深入浅出强化学习:原理入门》用通俗易懂的语言深入浅出地介绍了强化学习的基本原理,覆盖了传统的强化学习基本方法和当前炙手可热的深度强化学习方法。开篇从最基本的马尔科夫决策过程入手,将强化学习问题纳入到严谨的数学框架中,接着阐述了解决此类问题最基本的方法——动态规划方法,并从中总结出解决强化学习问题的基本思路:交互迭代策略评估和策略改善。基于这个思路,分别介绍了基于值函数的强化学习方法和基于直接策略......一起来看看 《深入浅出强化学习:原理入门》 这本书的介绍吧!
Base64 编码/解码
Base64 编码/解码
URL 编码/解码
URL 编码/解码