当前位置：首页 > news >正文

py怎么运行_Mac Tensorflow Faster R-CNN CPU实现环境配置及Demo运行

news 来源：原创 2024/5/3 22:47:10

一. 环境准备：

Macbook pro 2016 python 2.7 Anaconda2

Code Source:

endernewton/tf-faster-rcnngithub.com

创建环境：打开Terminal，创建一个新环境，可随意命名，名称跟在--name后面，版本python 2.7

conda create --name TC python=2.7

2. 激活TC环境

conda activate -TC

此时Terminal命令行前面有TC标志

3. 安装所需要的库，pip或者conda install + 库名

pip install tensorflow
pip install easydict
pip install matplotlib
pip install cython
pip install opencv-python
pip install pillow

二. 修改配置，使适用于CPU

下载Github源码：想下载到哪里，就在Terminal中cd到那个位置，在下载

git clone https://github.com/endernewton/tf-faster-rcnn.git

2. 修改配置

a) 打开⁨ tf-faster-rcnn-master⁩ / ⁨lib⁩ / setup.py ，在这里设置CPU和GPU参数，本文选用CPU运行。

注释第55行

# CUDA = locate_cuda()

注释第87行

# self.set_executable('compiler_so', CUDA['nvcc'])

注释第120-136行

# Extension('nms.gpu_nms',
    #     ['nms/nms_kernel.cu', 'nms/gpu_nms.pyx'],
    #     library_dirs=[CUDA['lib64']],
    #     libraries=['cudart'],
    #     language='c++',
    #     runtime_library_dirs=[CUDA['lib64']],
    #     # this syntax is specific to this build system
    #     # we're only going to use certain compiler args with nvcc and not with gcc
    #     # the implementation of this trick is in customize_compiler() below
    #     extra_compile_args={'gcc': ["-Wno-unused-function"],
    #                         'nvcc': ['-arch=sm_52',
    #                                  '--ptxas-options=-v',
    #                                  '-c',
    #                                  '--compiler-options',
    #                                  "'-fPIC'"]},
    #     include_dirs = [numpy_include, CUDA['include']]
    # )

b) 打开 ⁨tf-faster-rcnn-master⁩ / ⁨lib⁩ / model⁩ / config.py ，把269行__C.USE_GPU_NMS = True改为__C.USE_GPU_NMS = False

__C.USE_GPU_NMS = False

c) 打开tf-faster-rcnn-master⁩ / ⁨lib⁩ / model / nms_wrapper.py，注释掉12行

from model.config import cfg
# from nms.gpu_nms import gpu_nms
from nms.cpu_nms import cpu_nms

注释第20 21行

if dets.shape[0] == 0:
    return []
#if cfg.USE_GPU_NMS and not force_cpu:
    #return gpu_nms(dets, thresh, device_id=0)
else:
    return cpu_nms(dets, thresh)

三. 编译环境，安装数据库

在Terminal中cd到tf-faster-rcnn-master⁩ / ⁨lib目录下，运行以下命令编译环境：

make clean
make
cd ..

返回tf-faster-rcnn-master⁩主目录

2. 安装Python COCO API，使用COCO数据库，运行以下命令

cd data
git clone https://github.com/pdollar/coco.git
cd coco/PythonAPI
make
cd ../../..

四. 运行Demo并测试Pre-trained模型

模型：voc_0712_80k-110k.tgz

下载链接：

Google Drive ---

https://drive.google.com/open?id=0B1_fAEgxdnvJVjFjTFl5cFd5cEkdrive.google.com

百度云 ---

https://pan.baidu.com/s/1kWkF3fTpan.baidu.com

下载完成后，解压得到voc_2007_trainval+voc_2012_trainval文件夹，将其移动到⁨tf-faster-rcnn-master⁩ / data下。

在Terminal中cd到⁨tf-faster-rcnn-master⁩ / data目录下，并创建pre-trained模型的soft link，运行以下命令：

NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}

cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../voc_2007_trainval+voc_2012_trainval ./default
cd ../../..

运行前三条命令，新建一个目录：tf-faster-rcnn/data/output/res101/voc_2007_trainval+voc_2012_trainval

运行第四条命令，Terminal进入voc_2007_trainval+voc_2012_trainval文件夹

运行第五条命令，产生一个文件名为default的快捷方式文件，打开会链接到四个模型文件

运行最后一条命令，Terminal回到data目录下

2. 修改并运行Demo

打开demo.py, 修改第120行的路径：把刚刚data里的output文件夹拖入Terminal，复制你自己的完整路径并修改。

tfmodel = os.path.join('/Users/Desktop/tf-faster-rcnn/data/output', demonet, DATASETS[dataset][0], 'default',
                              NETS[demonet][0])

运行demo