iou画 yolov3_yolov3环境配置训练及优化

科普

gcc/g++: - GNU project C and C++ compiler.When you compile C++ programs, you should invoke GCC as g++ instead.

Cuda:GPU Accelerated Computing with C and C++

一、Ubuntu+cuda+cudnn+opencv+darknet/yolov3环境配置

1.NVIDIA显卡驱动安装

首先查看系统是否已经安装NVIDIA驱动,查看方式输入nvidia-smi无输出或系统信息没有显卡信息。

安装方式有ppa或官网下载驱动安装,再次之前可查看系统推荐驱动:

ubuntu-drivers devices

也可以在官网查看:https://www.geforce.cn/drivers

安装成功:nvidia-smi显示显卡信息,或系统信息有显卡graphics这栏,如下:

2.gcc降版本

3.安装cuda

查看显卡支持cuda版本

windows:(参考:https://blog.csdn.net/wangyjfrecky/article/details/55100963)

控制面板->搜索NVIDIA->双击进入NVIDIA控制面板:

点击帮助->系统信息->组件

UBUNTU:参考(http://www.voidcn.com/article/p-ujjgjaae-xp.html)根据显卡型号选择

我选择cuda9.0 cuda9.0【点这下载】

根据自己的系统选择,但必须选择runfile,因为之前已经安装过驱动,其他包会重复安装。可能导致循环登录。安装参考官网命令:

首先是协议,按enter到100%,是否安装驱动选择no,其他默认或自定。

InstallNVIDIA Accelerated GraphicsDriver for Linux-x86_64 384.81?

此处选择no

此处需要安装四个打包文件patch,命令同上,安装后在根目录/usr/local下会有cuda-9.0和cuda两个文件夹。

若系统自带驱动符合要求,可以直接跳过驱动安装:

配置环境变量:

打开~/.bashrc文件,在末尾加入:

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

***此处需要测试nvcc命令,若提示没有安装并建议安装nvidia-cuda-toolkit,可以重启电脑再试,run包安装时有选择cuda-toolkit安装,若重复安装,nvidia-cuda-toolkit自带415驱动,可能导致循环登录。正常安装后,nvcc输出:

具体可参考这篇博客:https://blog.csdn.net/jiangyanting2011/article/details/78873113

3.cudnn安装

cudnn安装比较简单,需注意和cuda版本匹配【下载地址】

注册登录后下载

4.opencv NVIDIA cuda版本编译安装

cuda9.0支持opencv3.4.0及之前的版本,opencv官网下载opencv,我选择3.4.0,

下载解压后进入目录 cd opencv-3.4.0

安装cmake 等一系列依赖包

$ sudo apt-get install build-essential

$ sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

$ sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev # 处理图像所需的包

$ sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev

$ sudo apt-get install libxvidcore-dev libx264-dev # 处理视频所需的包

$ sudo apt-get install libatlas-base-dev gfortran # 优化opencv功能

$ sudo apt-get install ffmpeg

创建新文件夹来编译,否则会报错 ,进入目录

sudo mkdir build

cd build

编译 (无cuda版本可按网上教程来,此处为cuda版本)

$ cmake -D CMAKE_BUILD_TYPE=RELEASE \

-D CMAKE_INSTALL_PREFIX=/usr/local \

-D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-3.4.0/modules \#若出错或无可去掉

-D PYTHON_EXCUTABLE=/usr/bin/python3\ #根据自己的Python版本确定,默认则安装到2.7版本

-D WITH_CUDA=ON \ #使用CUDA

-D WITH_TBB=ON \

-D BUILD_NEW_PYTHON_SUPPORT=ON \

-D WITH_V4L=ON \

-D WITH_GTK=ON \ #不加ubuntu cmake可能会报错

-D WITH_OPENGL=ON \

-D WITH_CUBLAS=ON \

-D DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" \

-D CUDA_ARCH_BIN="6.1" \ # [GPU计算能力](https://developer.nvidia.com/cuda-gpus)

-D CUDA_ARCH_PTX="" \ #线程并行计算`

-D BUILD_EXAMPLES=ON \

-D CUDA_GENERATION=Pascal .. #自己显卡架构

完成后lscpu 查看电脑CPU核数

我的总共为4,接下来:

sudo make -j4

完成后安装

sudo make install

测试,无报错则安装成功

xiaose@lenovo:~$ python3

Python 3.6.7 (default, Oct 22 2018, 11:32:17)

[GCC 8.2.0] on linux

Type "help", "copyright", "credits" or "license" for more information.

>>> import cv2

>>>

提示找不到cv2模块,安装

sudo apt-get install python3-opencv

重新编译报错解决:删除build同级目录下cache文件

5.darknet/yolov3 编译

YOLOv3官网【下载】

打开Makefile,更改参数,根据自己环境修改参数

GPU=1

CUDNN=1

OPENCV=1

OPENMP=0

DEBUG=0

由于使用Pascal架构,需要在架构上加-gencode arch=compute_61,code=[sm_61,compute_61]

ARCH= -gencode arch=compute_30,code=sm_30 \

-gencode arch=compute_35,code=sm_35 \

-gencode arch=compute_50,code=[sm_50,compute_50] \

-gencode arch=compute_52,code=[sm_52,compute_52] \

-gencode arch=compute_61,code=[sm_61,compute_61]

修改nvcc路径,根据自己修改

NVCC=/usr/local/cuda-9.0/bin/nvcc

COMMON+,LDFLAGS+路径可为默认cuda或改为cuda-9.0

ifeq ($(GPU), 1)

COMMON+= -DGPU -I/usr/local/cuda-9.0/include/

CFLAGS+= -DGPU

LDFLAGS+= -L/usr/local/cuda-9.0/lib64 -lcuda -lcudart -lcublas -lcurand

endif

修改完成后保存,执行

sudo make

若更改参数,重新编译 make clean 后make

测试,darknet目录下 ./darknet出现下图,编译成功

$ ./darknet

usage: ./darknet

二、训练技巧、问题及解决办法:

1.xml标注文件转txt

可参考darknet源码scripts/voc_labels.py文件

2.更改测试label,box线条粗细及标签大小

image.c文件

3.训练图片集路径问题

原作者是将txt文件生成训练集路径

实测:将目录下图像生训练集路径文件train_image_path.txt,并将txt文件放到图片目录下一一对应

4. .cfg文件修改

batch=64

subdivisions=16

batch,subdivisions根据自己显存大小修改,并且batch/subdivisions最好为自己GPU数量的整数倍

learning_rate=0.001

burn_in=1000

多GPU训练时:learning_rate=0.001/gpus burn_in=1000*gpus 对于YOLO层

[convolutional]

size=1

stride=1

pad=1

filters=42

activation=linear

[yolo]

mask = 0,1,2

anchors = 10,13, 16,30, 33,23, 30,61, 62,45, 59,119, 116,90, 156,198, 373,326

classes=9

num=9

jitter=.3

ignore_thresh = .5

truth_thresh = 1

random=1

classes根据自己检测类别数更改,对应上一层卷积层filters=3×(5+num[classes])

anchors可以根据自己的样本聚类得到

5.cannot fopen ***.jpg/txt

检查对应训练集路径

6.cuda error: out of memory

改小batch/增大sudbivisions,或者关闭多尺度训练random=0

7.darknet: ./src/cuda.c:36: check_error: Assertion `0' failed.

(1)有out of memory错误:检查是否有图像读取错误或同6

(2)无out of memory 错误:Makefile中arch架构与自己显卡架构不匹配,参照安装方法重新编译。

一般来说,也可能是类别数和yolo层filters不匹配

8.训练开始一段时间后出现loss=nan 、IOU=nan ,其他参数全为0的情况

确保cfg文件是train模式,batch、subdivisions不全为1,查看自己训练集txt是否为空

若为多GPU训练,按上述设置参数,防止陷入局部极值点或loss及IOU计算错误。

9.obj和no obj同时下降

使用初始权重darknet53.conv.74或YOLOv3.weights训练时,由于与作者训练集样本结构不同,为 正常现象,若全降为0后不上升,出现大片nan和0,根据多GPU训练修改参数或将batch增大到128及以上

10.测试权重需要关闭训练

11.修改cfg文件不需要重新编译,修改源码需要重新编译

12.训练权重在训练的电脑上可以检测出目标,但换一台机器后无法检测出目标的问题

确保gcc/g++降版本的时候删掉了原来的连接,根据自己的显卡,选择相应的fermi/kepler/maxwell/pascal/turing架构,并根据计算能力选择arch=xx后重新编译

13. No input parameters supplied: Success darknet: ./src/utils.c:256: error: Assertion `0' failed.Aborted (core dumped)

首先加sudo权限,报错找不到libcudart.so.9.0,【解决办法】

若不能解决,则可能为darknet自身问题【参考】重新编译darknet

优化

根据官方参考文档

1. 在.cfg文件中设置random=1,可以增加检测精度。

2. 增加input图像尺寸,在.cfg文件中设置(height=608,heigh=608)以上,可以增加检测精度

3. 对.cfg文件中的anchors重新进行聚类

4. 确保数据集中所有的class都有对应的label,检测你的数据集可以使用https://github.com/AlexeyAB/Yolo_mark

5. 所使用的数据集包括同一物体在不同角度、光照、背景、大小下的图片,并且确保训练2000**classes个iterations以上。

6. 确保生成的txt文档不为空

其他详见官方参考文档

参考:

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/409731.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

第十三章 Perl的面向对象编程

第十三章 Perl的面向对象编程 by flamephoenix 一、模块简介 二、Perl中的类 三、创建类 四、构造函数 实例变量五、方法 六、方法的输出 七、方法的调用 八、重载 九、析构函数 十、继承 十一、方法的重载 十二、Perl类和对象的一些注释 本章介绍如何使用Perl的面向对象编…

python抢票代码_GitHub标星超12K,抢票神器大更新,支持候补

掐指一算,距离国庆黄金周还有半个月的时间!你出行的车票都抢到了吗?图片来自 pexels根据国务院办公厅发布的关于 2019 年部分节假日安排的通知,国庆放假安排是:10 月 1 日至 7 日。想要十一出行的小伙伴们,想必前几天刚经历了一波…

[html]HTML5如何隐藏video元素的控制栏、全屏按钮?

[html]HTML5如何隐藏video元素的控制栏、全屏按钮&#xff1f; 将<video width"800px" height"400px" id"vid" src"a.mp4" controls"controls"> 中的controls"controls"删掉个人简介 我是歌谣&#xff0c…

c语言冒泡排序法程序填空_【C语言】两种方式实现冒泡排序算法

题目要求编写一个C语言程序,实现基本的冒泡排序算法.算法冒泡排序,用一句话来总结:一组数中,相邻的两个数进行比较、交换,将最大(小)数交换至尾(首)部,即完成了一次冒泡排序要想对N个数字进行排序,循环N次即可.如果真的不理解冒泡排序算法,请点击:冒泡排序_360百科核心代码//方…

python 开发板 播放音乐_MicroPython开发板:TPYBoard v102 播放音乐实例

0x00前言 前段时间看到TPYBoard的技术交流群&#xff08;群号&#xff1a;157816561&#xff09;里有人问关于TPYBoard播放音乐的问题。最近抽空看了一下文档介绍&#xff0c;着手做了个实验。 0x01实验器材 TPYBoard v102 开发板 1块 耳机或音响 1个 杜邦线 若干 0x02前期准备…

【转】选择适当的NFC标签类型

来自&#xff1a; Innovision 研究技术有限公司 目录 1. 简介 3 2. NFC的主要应用 4 3. NFC的规定标签类型 5 4. 选择适当的标签 6 5. 小结 11 6. 术语表 12 1. 简介 近场通信(NFC)适用于非常广泛的一系列应用。构建于现有系统和人类行为的基础上&#xff0c;NFC使人们的生活变…

[html] 你知道什么是粘性布局吗?

[html] 你知道什么是粘性布局吗&#xff1f; 中文大概意思&#xff1a; 对象在常态时遵循常规流。它就像是relative和fixed的合体&#xff0c;当在屏幕中时按常规流排版&#xff0c;当卷动到屏幕外时则表现如fixed。该属性的表现是现实中你见到的吸附效果。 个人简介 我是歌…

奥维地图导入西安坐标_奥维地图导入坐标样式 奥维地图批量导入经纬度坐标...

奥维地图坐标导入哪个文件夹&#xff1f;两个办法&#xff1a;  如果想导出到电脑版奥维地图里&#xff0c;可以采用同步到云端再下载到本地的办法解决。如果要作为数据文件保存到电脑里&#xff0c;可以按以下办法操作&#xff1a;  更多——数据管理——导入导出标记——…

kafka streams实战 pdf_spring框架实战口试材料

Spring框架自诞生倚赖从来备受开发者青睐&#xff0c;有人亲切的称之为&#xff1a;Spring 百口桶。它包SpringMVC、SpringBoot、Spring Cloud、Spring Data等处理方案。好多研发职员把spring看作心目中最佳的java项目&#xff0c;没有之一。Spring系列包涵非常多的项目&#x…

RTTI 简明

RTTI(Run-Time Type Identification)并不是什么新的东西,早在1993年,Bjarne Stroustrup已经提出了RTTI的相关的功能建议. 什么是RTTI? 在C 环境中﹐头文件(header file) 含有类之定义(class definition)亦即包含有关类的结构资料(representational information)。但是﹐这…

jquery日期插件_AngularJS 日期时间选择组件(附详细使用方法)

插件简介AngularJS是一款目前非常火的JavaScript脚本库&#xff0c;应用范围十分广阔。今天给大家分享一款基于AngularJS和jQuery的日期时间选择组件&#xff0c;和别的日期选择插件一样&#xff0c;它同样支持年月日的快速定位。另外这款AngularJS日期选择组件还支持时间的选择…

[html] android手机的微信H5弹出的软键盘挡住了文本框,如何解决?

[html] android手机的微信H5弹出的软键盘挡住了文本框&#xff0c;如何解决&#xff1f; window.addEventListener("resize", function () {if (document.activeElement.tagName "INPUT" || document.activeElement.tagName "TEXTAREA") {wind…

SecureCRT 全屏切换

使用 ALTEnter 键进行全屏和取消全屏的切换转载于:https://www.cnblogs.com/flyme/archive/2012/07/04/2575716.html

python知识图谱可视化_知识图谱可视化

## 人物关系知识图谱#### 一、背景将结构化数据通过关系预处理程序处理为图数据库可以查询的数据&#xff0c;示例是将其中一部分(人物关系数据)可视化表示。#### 二、用到的技术技术点&#xff1a;图数据库Neo4j&#xff0c;d3.js&#xff0c;java&#xff0c;css&#xff0c;…

[html] 编写一个布局,让文字环绕在图片的周围

[html] 编写一个布局&#xff0c;让文字环绕在图片的周围 让图片 float 就可以了&#xff0c;如果还想要实现文字圆形环绕图片的效果&#xff0c;可以使用 shape-outside: circle(); 属性个人简介 我是歌谣&#xff0c;欢迎和大家一起交流前后端知识。放弃很容易&#xff0c;…

[html] input上传文件可以同时选择多张吗?怎么设置?

[html] input上传文件可以同时选择多张吗&#xff1f;怎么设置&#xff1f; <input type"file" multiple />个人简介 我是歌谣&#xff0c;欢迎和大家一起交流前后端知识。放弃很容易&#xff0c; 但坚持一定很酷。欢迎大家一起讨论 主目录 与歌谣一起通关…

My97DatePicker详细说明

js 时间插件 http://www.mysuc.com/test/My97DatePicker/#m311转载于:https://www.cnblogs.com/guyg/archive/2012/07/06/2579623.html

hsv白色h值是多少_ShaderToy系列:HSV

前言这次呢&#xff0c;继续再来看一个iq大神的简单作品&#xff0c;作品虽简单&#xff0c;但是却包含了很多知识点&#xff0c;先放上最终效果&#xff1a;ShaderToy地址&#xff1a;https://www.shadertoy.com/view/MsS3Wc不过本篇改动较大&#xff0c;最终效果与ShaderToy上…

saltstack mysql_saltstack学习五:return及入库_MySQL

return的用法网上太多资料了&#xff0c;利用return把结果存入数据库网上已经有现在的&#xff1a;1、在master端创建数据库&#xff1a;CREATE DATABASE saltDEFAULT CHARACTER SET utf8DEFAULT COLLATE utf8_general_ci;USE salt;---- Table structure for table jids--DROP …

[html] input上传图片怎样触发默认拍照功能

[html] input上传图片怎样触发默认拍照功能 使用 capture 属性&#xff0c;capture 的值可以是&#xff1a;camera 打开摄像头user 打开前置摄像头environment 打开后置摄像头以上几个属性都不能保证设备会按照设置的一样打开前置或后置摄像头&#xff0c;如果设备不支持的话&…