精华内容
下载资源
问答
  • 2.3 配置maskrcnn-benchmark maskrcnn-benchmark是facebook research开源的目标检测和实例分割的算法仓库,可以实现的模型有Faster RCNN,Mask RCNN,RetinaNet等。 1. 环境要求 PyTorch...

    目录

    1. 环境要求

    2. 安装步骤

    2.1 安装cocoapi

    2.2 安装apex

    2.3 配置maskrcnn-benchmark


               maskrcnn-benchmark是facebook research开源的目标检测和实例分割的算法仓库,可以实现的模型有Faster RCNN,Mask RCNN,RetinaNet等。

    1. 环境要求

    PyTorch 1.0 from a nightly release. 
    torchvision from master
    cocoapi
    yacs
    matplotlib
    GCC >= 4.9OpenCV

    2. 安装步骤

    2.1 安装cocoapi

    git clone https://github.com/cocodataset/cocoapi.git
    cd cocoapi/PythonAPI
    python setup.py build_ext install

    cocoapi用来处理COCO数据集数据,包括mAP评估等,安装在任意文件夹下即可,不一定是相同的文件夹。

    2.2 安装apex

    git clone https://github.com/NVIDIA/apex.git
    cd apex
    python setup.py install --cuda_ext --cpp_ext

    apex用来实现混合精度的训练,同样,安装在任意文件夹下即可。

    2.3 配置maskrcnn-benchmark

    git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
    cd maskrcnn-benchmark
    python setup.py build develop

    完成配置后,可以使用maskrcnn-benchmark进行faster-rcnn目标检测,mask-rcnn实例分割等。

    展开全文
  • 先确保已经安装cython后进行以下五步即可成功安装 git clone https://github.com/cocodataset/cocoapi.git cd PythonAPI make pip install pycocotools 把pycocotools复制到Mask RCNN目录下。 ...

    先确保已经安装cython后进行以下五步即可成功安装

    1. git clone https://github.com/cocodataset/cocoapi.git
    2. cd PythonAPI
    3. make
    4. pip install pycocotools
    5. 把pycocotools复制到Mask RCNN目录下。
    展开全文
  • 折腾了两天总算跑通了...Github : https://github.com/facebookresearch/maskrcnn-benchmark/ 环境: Ubunut 18.04 CUDA 9.0 Anaconda 4.7.12 硬件 GTX 1080TI (*2) 先多一句,装显卡驱动的时候并没有想象的...

    折腾了两天总算跑通了demo,走了不少弯路。参考了很多文章,这里就不详细一一列出了,就总结一下。

    Github : https://github.com/facebookresearch/maskrcnn-benchmark/

    环境:

    Ubunut 18.04
    CUDA 9.0
    Anaconda 4.7.12

    硬件

    GTX 1080TI (*2)

    先多一句,装显卡驱动的时候并没有想象的那么复杂,不需要关什么桌面,进不去系统之类的问题。也许是官方良心发现,装显卡驱动在Ubunut系统上bug百出,于是改良了很多,目前,我采用软件与更新中的驱动更新一下就能把有效的驱动装上。显卡驱动对CUDA向前兼容,所以版本越高越好,目前自己-430。这方面在这里不多作介绍,默认已经有了驱动。

    注意 上述的环境十分重要,之所以选择这样的配置,是因为目前的MaksRCNN_Benchmark(略称mask) 在说明中需要安cudatoolkit=9.0,那一定是有道理的。尽管我们使用pytorch的时候哪怕不装CUDA(官网上下载的),只有cudatoolkit 一样跑一些网络没问题,也有GPU支持,但是一旦涉及到pytorch扩展C模块的时候,便需要完整的CUDA(通常几个G),可以理解为官网上的是完整版,而conda的cudatoolkit是阉割版(通常300m)。我们mask需要build apex库,且貌似在build mask的时候也需要CUDA,所以必须要从官网上下载CUDA9.0的runfile安装在总环境中。不必担心,CUDA的版本切换仅仅需要改变几个东西就能切换(自行谷歌),在Ubuntu系统中,不同版本CUDA可以共存

    由于CUDA9.0似乎官方不支持Ubunut18,我这里下载了ubuntu17的runfile依然成功。一定要把CUDA9.0那些修补的包都打上,按顺序一个不露,安装方法和CUDA9.0安装相同。注意 这里会遇到gcc版本过高的问题,自行查找方法降级,本人用的gcc-6.5
    (ps:空格 可以加速协议翻越的速度=.= ,给我看了五次冗长的协议也是够了。。

    采用其INSTALL.md中的第一个方法,尝试用conda进行安装

    这里没有安装任何的cudnn

    首先 检查自己的nvcc输出是否正确

    nvcc -V
    
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2017 NVIDIA Corporation
    Built on Fri_Sep__1_21:08:03_CDT_2017
    Cuda compilation tools, release 9.0, V9.0.176
    

    以下一步步排自己安装中遇到的坑

    1、

    conda create --name maskrcnn_benchmark -y
    conda activate maskrcnn_benchmark
    

    没啥毛病 名字自己可以给短一点 这里python默认为3.7

    2、

    conda install ipython pip
    

    这是为了确保之后用pip的时候,别pip到总系统里,运行完成后,输入

    which pip
    which conda
    which python

    确定这些输出的路径都在虚拟环境里。

    3、

    pip install ninja yacs cython matplotlib tqdm opencv-python

    这里安装一些依赖,在运行MaskRCNN_demo的时候,发现少了一个库requests,也可以在这里加上。

    4、

    conda install -c pytorch pytorch-nightly torchvision cudatoolkit=9.0

    本人尝试了cudatoolkit=9.2/10等,似乎都不太行,尤其是这个pytorch-nightly,不知道它对应的是库里的哪个包。在pytorch1.2里我装pytorch-nightly有时候却没有这个包,但是包名后面dev可能暗示这是一个正在开发中的版本。。
    总之按照它的来吧。

    注意 安装完成后,首先在python里测试以下语句

    >>>import torch
    >>>torch.cuda.is_aviliable()
    >>>import torchvision

    第一句没啥问题,如果有说明torch安装失败。
    第二句有问题说明显卡有问题。。。想办法排除(驱动问题或cudatoolkit有问题)。在总系统里没有安装CUDA,只有cudatoolkit的时候,这句话依然返回True(原因开头介绍过)。
    第三句一般有问题,torchvision的0.3版本调用_c库有错误引用,通过降级torchision可以解决:

    pip install torchvision==0.2.2

    再次输入上述的python代码检验。
    以上都没有问题了,说明大环境已成。

    5、

    export INSTALL_DIR=$PWD
    cd $INSTALL_DIR
    git clone https://github.com/cocodataset/cocoapi.git
    cd cocoapi/PythonAPI
    python setup.py build_ext install
    

    安装cocoapi,自己没有遇到问题。

    6、

    下面有大问题,先别输入

    cd $INSTALL_DIR
    git clone https://github.com/NVIDIA/apex.git
    cd apex
    python setup.py install --cuda_ext --cpp_ext
    

    我推测作者可能用的是Ubuntu16版本,所以没啥问题,这个apex很要求你的torch版本,CUDA版本,以及gcc版本。
    需要torch版本,CUDA版本相互对应,尽量不要是诸如CUDA=9.2而torch cudatoolkit=9.0这样的存在(坑死我了为何不能兼容)。如果只想跑cpu看看效果,把参数 --cuda_ext去除。
    如果想gpu训练,那么首先要确认自己的gcc环境,与CUDA环境,经过尝试,我的gcc版本降到了5.5(6.5,7.5都有错),配合CUDA9.0,能够顺利安装apex。如果安装中有错,请删除apex所有文件(or build文件夹)再执行上面的代码。安装CUDA的时候的gcc版本(也许是6.5和我一样)似乎不影响这里。检验gcc版本如下:

    gcc -v
    Using built-in specs.
    COLLECT_GCC=gcc
    COLLECT_LTO_WRAPPER=/usr/lib/gcc/x86_64-linux-gnu/5/lto-wrapper
    Target: x86_64-linux-gnu
    Configured with: ../src/configure -v --with-pkgversion='Ubuntu 5.5.0-12ubuntu1' --with-bugurl=file:///usr/share/doc/gcc-5/README.Bugs --enable-languages=c,ada,c++,go,d,fortran,objc,obj-c++ --prefix=/usr --program-suffix=-5 --enable-shared --enable-linker-build-id --libexecdir=/usr/lib --without-included-gettext --enable-threads=posix --libdir=/usr/lib --enable-nls --with-sysroot=/ --enable-clocale=gnu --enable-libstdcxx-debug --enable-libstdcxx-time=yes --with-default-libstdcxx-abi=new --enable-gnu-unique-object --disable-vtable-verify --enable-libmpx --enable-plugin --enable-default-pie --with-system-zlib --enable-objc-gc --enable-multiarch --disable-werror --with-arch-32=i686 --with-abi=m64 --with-multilib-list=m32,m64,mx32 --enable-multilib --with-tune=generic --enable-checking=release --build=x86_64-linux-gnu --host=x86_64-linux-gnu --target=x86_64-linux-gnu
    Thread model: posix
    gcc version 5.5.0 20171010 (Ubuntu 5.5.0-12ubuntu1) 
    

    如果没有任何error,那么说明没有问题。

    7、

    cd $INSTALL_DIR
    git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
    cd maskrcnn-benchmark
    
    # the following will install the lib with
    # symbolic links, so that you can modify
    # the files if you want and won't need to
    # re-build it
    python setup.py build develop

    这里如果前面安装的没有问题,应该不会有问题。这里就算配置完成了。

    8、检验

    手头并没有webcam,可以尝试运行jupyter notebook的一个脚本 MaskRcnn_demo。这里有介绍里的那个图的运行效果,从网上加载训练参数直接进行推断,网速较差需要提前下载好。该脚本默认检验cup下的效果,如果要gpu,需要注释In[4]中的代码

    cfg.merge_from_list(["MODEL.DEVICE", "cpu"])

    这样就默认是GPU了。

    如果Demo卡在In[8]的run_on_opencv_image,很大可能是由于apex配置出现问题导致的,可以将其放到Pycharm里断点调试看看哪里有问题(我是在rpn,顾名思义,区域推荐网络的一个test_forward出了问题,调用底层apex的C函数似乎出现了bug,导致内核崩溃)。如果apex的build过程中有问题,有可能连CPU版本都跑不了,找到问题后,首先删了(or uninstall)apex重新安装,之后删了(or uninstall)mask重新安装。

    之后就可以好好的研究maskrcnn是怎么实现的啦。。。

    经过长时间的观察,明白了MaskRCNN的网络结构,列出一些资源:
    https://github.com/matterport/Mask_RCNN 一个十分简洁清晰的Maskrcnn例子,基于tensorflow,简单跑通,除了Keras没有其他特别的第三方库.
    另外 tensorflow.model 里也有实现的MaskRCNN版本,可以调用OpenCV C++使用!看上去对实际应用很方便,有待进一步调查。。

    展开全文
  • mask rcnn实现教程

    2019-01-29 17:57:03
    mask rcnn实现教程   or    ubuntu16配置Mask-RCNN
    展开全文
  • 安装2.1 安装 PyTorch nightly2.2 安装 pycocotools2.3 安装 apex2.4 安装 maskrcnn_benckmark3. 运行 Demo 1. 简介 maskrcnn_benckmark 是 Facebook Research 下的一个项目。这个项目包含了多种通用目标检测...
  • 1. 环境配置 ... 准备好Docker、Nvidia-docker2、...3. 安装maskrcnn-benchmark 该目录下有一个setup.py 到该目录下python setup.py install安装即可。 4. 各种出错 错误1:import cv2的时候找不到一些lib.so..
  • mask rcnn

    2018-05-28 10:29:20
    mask rcnn中的坑 先装pycocotools 进入coco文件夹下PythonAPI文件夹 python setup.py build_ext install makefile文件中有安装说明 安装不上了是因为环境没装好       ubuntu下查看显卡nvida -smi 如果...
  • FAILED TensorRT.sample_maskrcnn # ./sample_uff_maskRCNN -d ~/data </code></pre> <p>ubuntu16.04 TensorRT 6.x (build source from git branch release/6.0) following tutorial converts matterport maskrcnn...
  • 在看完了R-CNN, fast R-CNN, faster R-CNN, mask R-CNN各种论文后,就要开始用maskrcnn训练自己的数据了,首先当然就是安装facebook开源的maskrcnn_benchmark了! 官方的安装教程在这里: ...
  • 换到ubuntu下,不到一天就配好了= = 强烈建议直接去ubuntu下配置,千万别在window环境下配置。 一、下载anaconda,创建虚拟环境 下载anaconda的步骤读者可以去百度,很简单。随后创建虚拟环境 conda create -n ...
  • maskrcnn食用手册

    2020-04-12 00:57:35
    maskrcnn-benchmark食用手册+花式踩坑记 Part1. 食用手册 Step1. 配置环境及安装 我的基础环境: 系统:ubuntu16.04 内核:Linux 4.15.0-45-generic python版本:3.5.2 安装依赖项 pip install ninja yacs cython ...
  • ubuntu18.04 配置cuda10.1+cudnn7.6+anaconda3+pytorch跑通maskrcnn_benchmark 最近在用anaconda配置ubuntu系统下的深度学习环境,终于跑通了maskrcnn_benchmark,真的是踩了很多坑。。把配置过程记录下来,欢迎交流...
  • Ubuntu18.04编译TensorRT MaskRCNN例子和模型转化0.前期准备Step1 安装requirement.txt需要的依赖Step2 安装编译sample需要的其他系统的包Step3 Clone github 的TensorRT库Step4 开始编译Step5 修改conv2d_transpose...
  • 本文从参考了诸多Tensorflow GPU和MaskRCNN配置的博客与教程,最终在多台不同的电脑上实现了配置。本文目的在于用预训练权重来完成MaskRCNN的demo的环境搭建。 一.工具1. win10平台 安装步骤本文不涉及2. ubuntu...
  • Maskrcnn_benchmark最新安装教程以及错误解决方法(踩坑Ubuntu16.04) 0、序言 ​ 最近要做一些目标检测、识别的比赛,用到了何大神的maskrcnn,但是在配maskrcnn环境问题上出了很多错误,浪费了很多时间,特此做...
  • 一.Anaconda安装 这里不再详述,详见:Ubuntu下安装Anaconda 二.... README; ...三.Anaconda下创建MaskRCNN环境 ...1.创建名为MaskRCNN,python版本为3.6的环境: conda create -n MaskRCNN python=3.6 ...
  •   10月份,Facebook发布了Mask R-CNN的pytorch版本— —maskrcnn benchmark。之前一直使用Tensorflow的版本,但是由于电脑配置不高,且数据量大(10w级),训练的时间巨长,因此考虑尝试pytorch版。由于博主本身...
  • Ubuntu18.0.4 Mask RCNN环境配置 Mask RCNN 环境配置3/8/2021实战 (Ubuntu18.04, CUDA, cuDNN, Tensorlow1.5, Keras2.1.6) 因为之前环境配置失败,一怒之下刷机推倒重来,跑过来记录这次环境配置的经历。参考了站...
  • matterport MASK RCNN配置

    千次阅读 2017-11-29 15:07:27
    GitHub地址:https://github.com/matterport/Mask_RCNN 首先表达一下对凯明大神和RBG大神的膜拜! 1.我是在Ubuntu16.04的环境下,开辟了一个虚拟环境, 1.1 创建虚拟环境  创建python3环境 virtualenv --...
  • 主要参考: https://blog.csdn.net/qq_29462849/article/details/81037343#commentBox https://blog.csdn.net/l297969586/article/details/79140840 ... 一、配置MaskRCNN环境 1、...
  • 1. 背景介绍 detectron2项目地址:...FasterRCNN论文:https://arxiv.org/abs/1506.01497 COCO数据集:http://cocodataset.org/#home VOC数据集:http://host.robots.ox.ac.uk/pascal/VOC/...

空空如也

空空如也

1 2 3 4 5 ... 14
收藏数 279
精华内容 111
关键字:

maskrcnnubuntu