caffe复现MLKP的测试功能

最新推荐文章于 2022-10-20 19:18:19 发布
最新推荐文章于 2022-10-20 19:18:19 发布
阅读量437 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/a1103688841/article/details/95206731
版权

目录

这个项目简直是神坑，巨坑。

项目一点都不详尽，缺胳膊少腿，给的代码还有错的。

晕，下面开始颠沛流离的调试吧。

项目地址，项目论文，项目论文翻译：（待续）

环境（这个必须严格要求）：

MLKP的测试步骤开始！！

第一步下载MLKP代码集：

第二步，进入MLKP的路径，下载他推荐的caffe：

 第三步，准备开始编译caffe，这里开始就神坑了

（实在还有错，可以参考这里安装caffe部分）：

第四步：修改caffe里面Makefile.config和Makefile的配置，一定要修改：

第五步，安装caffe的依赖和caffe的编译。

第七部，是安装MLKP需要的python的环境和编译lib库

第八步，接下来下载VOC2007的数据集

第九步，从百度云 BaiduYun 或者谷歌云 GoogleDrive 

下载模型放在，MLKP的根目录的/output/

第十步，改模型的名字

第十一步，运行测试代码，注意更改你已经更改好的模型名字

这个项目简直是神坑，巨坑。

项目一点都不详尽，缺胳膊少腿，给的代码还有错的。

晕，下面开始颠沛流离的调试吧。

 

项目地址，项目论文，项目论文翻译：（待续）

 

环境（这个必须严格要求）：

  • CUDA：8.0版（这个最好是8，7.5）
  • CUDNN：5.0版（这个不是太硬需求）
  • 接下来使用  protoc --version   确定  libprotoc的版本一定要2.6.1  （一般ubuntu16.04的libprotoc的版本都是2.6.1，一定要这个版本）
  • 不使用anaconda，anaconda主要是编译的时候大多找不到路径，如果你看得懂配置文件，你可以一个一个改。

MLKP的测试步骤开始！！

下面说的所有建的*.sh脚本都在MLKP的根目录下

第一步下载MLKP代码集：

git clone https://github.com/Hwang64/MLKP.git

第二步，进入MLKP的路径，下载他推荐的caffe：

cd MLKP
git clone https://github.com/Hwang64/caffe-mlkp.git

 第三步，准备开始编译caffe，这里开始就神坑了

（实在还有错，可以参考这里安装caffe部分）：

cd caffe-mlkp
sudo cp Makefile.config.example Makefile.config

第四步：修改caffe里面Makefile.config和Makefile的配置，一定要修改：

sudo gedit Makefile.config

1）想修改python接口和cudnn支持，如果后面运行测试的时候，一直报

Check failed: data_ *** Check failure stack trace: *** Aborted (core dumped)这个错误，估计就是python接口没有打开。

# In your Makefile.config, make sure to have this line uncommented
WITH_PYTHON_LAYER := 1
# Unrelatedly, it's also recommended that you use CUDNN
USE_CUDNN := 1

2）这个hdf5错误，每次运行都碰到，还是改了舒心，这里要注意了，是改两个文件一个是Makefile，一个是Makefile.config。

step1：

在Makefile.config文件更改INCLUDE_DIRS和LIBRARY_DIRS的内容，添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代码改为第二行代码。

#INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
#LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

改为

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

step2：

在Makefile文件的LIBRARIES，把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial，也就是把下面第一行代码改为第二行代码。

#LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

第五步，安装caffe的依赖和caffe的编译。

创建的一个caffe.sh把下面的脚本复制进去,使用sh caffe.sh可以快速将caffe的依赖安装好，里面包括编译。

#caffe的依赖
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler -y
sudo apt-get install --no-install-recommends libboost-all-dev -y
sudo apt install protobuf-compiler libhdf5-serial-dev hdf5-helpers liblmdb-dev python-numpy libgflags-dev libblas-dev libgoogle-glog-dev libatlas-base-dev python-protobuf -y
sudo apt install liblmdb-dev -y
sudo apt-get install libgoogle-glog-dev -y
sudo apt install libatlas-base-dev -y
sudo apt-get install python-numpy -y
sudo cp caffe.mlkp.Makefile.config ./caffe-mlkp/Makefile.config
sudo cp caffe.mlkp.Makefile ./caffe-mlkp/Makefile
cd caffe-mlkp
make clean
make all -j16 && make pycaffe
#这里注意不一定要，我的caffe是由CUDA7.5编译的，我安装的是CUDA8可以兼容，所以直接复制
sudo cp /usr/local/cuda/lib64/libcudart.so.8.0 /usr/local/cuda/lib64/libcudart.so.7.5

第六部，本来按理是要把caffe加入环境里面的。

你可以试一下进入python

然后import caffe 看报错不。我这边不报错。

第七部，是安装MLKP需要的python的环境和编译lib库

创建的一个MLKP.sh把下面的脚本复制进去,使用sh MLKP.sh可以快速将MLKP的python库的依赖安装好，里面包括lib编译。

sudo apt-get install python-tk  -y
sudo apt-get install python-yaml -y
sudo pip install easydict
sudo pip install numpy
sudo pip install opencv-python
sudo pip install 'networkx==2.2'
sudo pip install scikit-image
sudo pip install cython
cd lib
sudo rm utils/bbox.c
sudo rm nms/cpu_nms.c
sudo rm nms/gpu_nms.cpp 
sudo rm pycocotools/_mask.c 
make

第八步，接下来下载VOC2007的数据集

创建的一个VOC2007.sh把下面的脚本复制进去,使用sh VOC2007.sh可以快速将MLKP的VOC2007的库下载好

mkdir data
cd data
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar
tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar
ln -s VOCdevkit VOCdevkit2007

第九步，从百度云 BaiduYun 或者谷歌云 GoogleDrive 

下载模型放在，MLKP的根目录的/output/

 

第十步，改模型的名字

可以看到测试代码中，modelObj=re.match(r'(.*)_faster_rcnn_(.*)_iter_(.*)',net.name,re.I)，

他只识别这种->-> 类型__faster_rcnn_模型名字_iter_步数.caffemodel的形式。

我把左边改成右边这样

第十一步，运行测试代码，注意更改你已经更改好的模型名字

创建的一个test_VOC07_VGG16.sh把下面的脚本复制进去,使用sh test_VOC07_VGG16.sh可以快速运行MLKP的测试程序。

python ./tools/test_net.py --gpu 0\
         --def models/VGG16/test.prototxt\
         --net output/test_faster_rcnn_VGG16_iter_70000.caffemodel\
         --imdb voc_2007_test\
         --cfg experiments/cfgs/faster_rcnn_end2end.yml
a1103688841
关注
【记录】快速下载VOC数据集脚本
丑小鸭
08-26 311
最近实验需要用到VOC数据集，搜了下网上的VOC下载教程，貌似不太行，这里记录一下一个下载VOC2007的脚本，Linux下的 sh 文件。具体命令如下代码所示。
caffe复现MLKP的训练功能
a1103688841的博客
07-13 263
训练才是真正坑的部分。 项目地址，项目论文，项目论文翻译：（待续） 环境（这个必须严格要求）： CUDA：8.0版（这个最好是8，7.5） CUDNN：5.0版（这个不是太硬需求） 接下来使用protoc --version确定libprotoc的版本一定要2.6.1（一般ubuntu16.04的libprotoc的版本都是2.6.1，一定要这个版本） 不使用a...
一分钟读懂兼容报告：测试过程视频复现，问题定位很轻松
weixin_34329187的博客
03-12 182
一分钟读懂兼容报告：测试过程视频复现，问题定位很轻松上一期《一分钟读懂兼容测试报告（一）：概况篇》，介绍了WeTest兼容测试报告的概况信息，包括测试通过率、机型聚类、测试场景截图等功能。随着用户使用的不断深入，用户对报告产生了更多的诉求。在查看报告时，用户在了解了问题概况和分类情况之后，都会进入“问题定位”的环节，用户在进行问题定位的时候会提出新的问题：1. 问题出现前用户进行了什么操作？2....
测试流程和复现的BUG
tests_a的博客
07-10 1672
测试流程： 1，需求分析 2，测试计划 3，测试人员根据需求设计编写测试用例 4，用例评审 5，开发人员开发完成后进行自测，自测通过后提交测试版本给测试人员，并提供 测试环境。版本控制：一轮测试结束后，开发人员将bug修复后提交新的版本给测试人员。 输出：接口文档，测试环境，测试数据 6，测试人员执行测试用例，提交缺陷，跟踪缺陷至缺陷关闭 7，缺陷管理： 缺陷流程：发现缺陷–提交缺陷–缺陷修复–缺陷验证–关闭缺陷 8，测试结束—测试报告经过两到三轮或四轮的测试后，直到没发现新的问题。或 暂时无
软件测试中问题复现方法,软件测试问题报告的写法
weixin_39915308的博客
07-27 1572
在软件测试过程中，对于发现的每个软件错误(缺陷)，都要进行记录该错误的特征和复现步骤等信息，以便相关认识分析和处理软件错误。为了便于管理测试发现的软件错误，通常要采用软件缺陷数据库，将每一个发现的错误输入到软件缺陷数据库中，软件缺陷数据库的每一条记录称为一个软件问题报告。软件问题报告包括头信息、简述、操作步骤和注释。头信息包括：测试软件名称、版本号、缺陷或错误类型、可重复性、测试平台、平台语言、缺...
两款优秀的复现测试步骤gif利器
Criss@陈磊
09-07 920
测试工作过程中,常常需要复现测试步骤,有时候复现步骤很难用文字描述清楚,这时候你需要一些工具和技巧,这里向大家推荐两款非常不错的复现测试步骤的gif利器。 LICEcap 仅仅只有300KB大小的LICEcap使用起来非常方便,在官网下载好安装包: http://www.cockos.com/licecap/ 安装完成之后打开主界面,直接点击右下角的record就可以了。
CAFFE.zip_caffe_caffe 批量测试_fcn_fcn caffe python_fcn 批量
07-15
这个"CAFFE.zip_caffe_caffe 批量测试_fcn_fcn caffe python_fcn 批量"的压缩包文件显然包含了使用Caffe和Python进行FCN批量测试的资源。 首先，我们要理解FCN的基本原理。FCN在2015年由Long等人提出，它摒弃了传统...
windows下超详细教程安装caffe并编译测试
05-10
本文将提供一个详细的步骤指南，帮助你成功安装并编译Caffe，确保你能顺利进行测试。 首先，理解Caffe是什么至关重要。Caffe（Convolutional Architecture for Fast Feature Extraction）是一种深度学习框架，主要...
mnist_test_leveldb.zip_MNIST_MNIST 数据集_MNIST数据集_caffe_mnist测试数据集
09-24
MNIST 数据集是计算机视觉领域最著名的数据集之一，尤其在深度...这个压缩包为那些使用Caffe框架进行手写数字识别任务的用户提供了一个方便的测试数据集。通过正确配置和训练模型，可以实现对手写数字的高精度识别。
mnist-caffe批量测试
09-25
4. 批量测试：在测试集上评估模型性能，批量测试可以加速这一过程，通过MATLAB接口，可以方便地调用Caffe的预测功能，对所有测试样本进行一次或多次迭代。 5. 输出识别率：统计分类正确的样本数，并计算准确率，即...
caffe测试数据 mnist data
05-17
标题 "caffe测试数据 mnist data" 涉及到的是深度学习框架Caffe的使用，以及在该框架下对MNIST数据集进行测试的过程。MNIST数据集是机器学习领域一个经典的图像识别数据集，主要用于手写数字的识别，它包含了60,000...
MLKP:CVPR18纸
05-13
MLKP CVPR18论文：用于对象检测的多尺度位置感知内核表示。 论文可在和找到。 MLKP是一种新颖的，紧凑的，可感知位置的内核逼近方法，用于表示有效进行对象检测的对象建议。 我们的方法是最早利用高阶统计量来提高对象检测性能的方法之一。 与基于一阶统计数据的对应项相比，显着改进表明了所提出的MLKP的有效性。 引用 如果您发现MLKP在您的研究中有用，请考虑引用： @InProceedings{Wang_2018_CVPR, author = {Wang, Hao and Wang, Qilong and Gao, Mingqi and Li, Peihua and Zuo, Wangmeng}, title = {Multi-Scale Location-Aware Kernel Representation for Object Detection}, booktitle =
ND Tree----论文复现
08-08
ND_Tree_based update_a Fast Algorithm for the Dynamic Non-Dominance Problem的程序复现
学习笔记之 初试Linux遇到的问题
wunaihaixia的博客
01-09 1480
转自：https://www.cnblogs.com/wangxiaocvpr/p/4875618.html 安装.deb文件，用sudo gdebi XXX.deb sudo apt-get install xxx 需要配置系统路径： LD_LIBRARY_PATH=…/lib:LD_LIBRARY_PATH export LD_LIBRARY_PATH ln -sf xxx xxx...
论文阅读：VoxelNet（3D-detection）+代码复现
有所为，有所成长
08-15 3万+
Brief 1 Abstruct 本文直接处理点云输入，是end-to-end的网络；和以往的多视角投影的不同。 采用VFE（voxel feature encoding）网络对每个体素内的点进行编码再接上3DRPN检测。不使用手工特征处理，这好比CNN加入R-CNN一样。（感叹一下。作者写文章真的强） 该方法在KITTI car detection取得了sota的效果，超过了同时使用mino和...
Voxelnet 代码复现
qq_20388971的博客
10-20 842
voxelnet 代码复现
voc2007数据集的下载和解压
热门推荐
guojingjuan的博客
09-19 4万+
Download the training, validation, test data and VOCdevkit wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtes
代码复现： VoxelNet论文和代码解析 pytorch版本（一） train.py
Leeniux
08-18 3469
本节主要介绍VoxelNet的训练主体部分，其余部分请参考其实目前大多数3D目标检测算法的网络结构和数据处理，特别是基于KITTI的三维目标检测，都可以参考这些处理方式，具有一定的通用性。
CVPR2017 paper: A Hierarchical Approach for Generating Descriptive Image Paragraphs复现
xiaqi4145
07-12 1031
此文仅当做给实验室大三学弟的笔记 论文地址:https://arxiv.org/abs/1611.06607 代码地址：https://github.com/InnerPeace-Wu/im2p-tensorflow step1: 这里我建立了一个项目名字叫VG, 把训练数据，测试数据，源代码，输出结果都放在了VG目录下，方便管理。 下载好的代码，解压到VG中如下： s...
Caffe深度学习训练测试图片资源
使用标签如“caffe 训练测试图”可以帮助用户识别和管理这些资源，使得在训练和测试过程中可以快速地找到所需的图片和文件。 通过上述的知识点分析，可以看出，对于想要深入研究深度学习和Caffe框架的用户来说，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值