搭建及训练py-R-FCN遇到的问题

R-FCN+ResNet-50用自己的数据集训练模型(python版本) 说明: 本文假设你已经做好数据集,格式和VOC2007一致,并且Linux系统已经配置好caffe所需环境(博客里教程很多),下面是训练的一些修改。 py-R-FCN源码下载地址: https://github.com/Orpine/py-R-FCN 也有Matlab版本: https://github.com/daijifeng001/R-FCN 本文用到的是pyth 阅读详情

搭建py-R-FCN遇到的问题记录。

make pycaffe 报错

[html] view plain copy
  1.   
src/caffe/layers/box_annotator_ohem_layer.cu(49): error: a template argument may not reference a local type
          detected during instantiation of "void caffe::BoxAnnotatorOHEMLayer<Dtype>::Forward_gpu(const std::vector<caffe::Blob<Dtype> *, std::allocator<caffe::Blob<Dtype> *>> &, const std::vector<caffe::Blob<Dtype> *, std::allocator<caffe::Blob<Dtype> *>> &) [with Dtype=float]" 
(80): here


src/caffe/layers/box_annotator_ohem_layer.cu(49): error: a template argument may not reference a local type
          detected during instantiation of "void caffe::BoxAnnotatorOHEMLayer<Dtype>::Forward_gpu(const std::vector<caffe::Blob<Dtype> *, std::allocator<caffe::Blob<Dtype> *>> &, const std::vector<caffe::Blob<Dtype> *, std::allocator<caffe::Blob<Dtype> *>> &) [with Dtype=double]" 
(80): here


2 errors detected in the compilation of "/tmp/tmpxft_0000339c_00000000-19_box_annotator_ohem_layer.compute_61.cpp1.ii".
Makefile:595: recipe for target '.build_release/cuda/src/caffe/layers/box_annotator_ohem_layer.o' failed
make: *** [.build_release/cuda/src/caffe/layers/box_annotator_ohem_layer.o] Error 1

解决方法:

box_annotator_ohem_layer uses C++11 features, you need to make changes to the makefile 

修改makefile

319行部分改成:

ifeq ( $(DEBUG), 1)
    
    COMMON_FLAGS += -DDEBUG -g -O0 -std=c++11
    NVCCFLAGS += -G
else
    
    COMMON_FLAGS += -DNDEBUG -O2 -std=c++11
endif



训练的时候遇到的问题:AttributeError: 'module' object has no attribute 'text_format'

之前遇到过,没记录,现在记录下来。解决方法:

在出错的文件里加上:import google.protobuf.text_format

我这里错误提示在train.py里,所以找到train.py加上import google.protobuf.text_format

【目标检测四】 R-FCN使用教程(测试或训练自己的数据) 用了好久,都没写,还是按惯例写一下。总体步骤其实就是上面流程图那样。安装、配置、下载预训练模型、放入自己数据、修改模型结构然后训练和测试,每个模型都是这个流程。 安装 1.下载源码 https://github.com/Orpine/py-R-FCN Py=python版本 2.安装caffe依赖和caffe 1)安装依赖 pip install cython pip i... 阅读详情

相关推荐

FCN制作自己的数据集、训练和测试全流程

FCN制作自己的数据集、训练和测试全流程 花了两三周的时间,把FCN的全部流程走了一遍,期间走了很多弯路,现在记录一下。系统环境:ubuntu 16.04LTS 一、数据集的制作 注:我的数据集是仿照VOC数据集进行制作的 1.resize 数据集 我的GPU显存4G,跑过大的图片带不动,需要resize图片大小,放几个修改图片大小的程序。 (1)单张图片resize # codin...

zoro_lov3的博客 3万+

torch

1、安装torchhttps://blog.youkuaiyun.com/qq_38386316/article/details/79919966 当./install.sh时报错 Building NVCC (Device) object lib/THC/CMakeFiles/THC.dir/THC_generated_THCTensorMathReduce.cu.o 2 errors detecte...

jianbiao1483的博客 624

R-FCN+python 环境搭建

本文介绍如何在caffe上实现R-FCN的环境搭建,R-FCN用的caffe是是Microsoft的caffe,不能用原生的那个caffe。一、安装caffe1、pip install cython      pip install easydict     apt-get install python-opencv     git clone https://github.com/Orpine...

qq_37523726的博客 800

使用cuDNN5编译py-faster-rcnn错误:cudnn.hpp(126): error: argument of type “int“ is incompatible ...

前几天在cuda8+cudnn5.1下编译py-faster-rcnn/caffe-fast-rcnn时报错了, /home/guyadong/caffe/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp(126): error: argument of type “int” is incompatible with par...

mjiansun的专栏 1727

MATLAB/Simulink与ThingSpeak集成:打通物联网数据与工业算法仿真的闭环

在工业算法开发与控制系统设计中,模型仿真与真实世界数据的脱节是常见的工程挑战。其核心原理在于构建一个双向数据流闭环,将虚拟的仿真模型与物理世界的传感器网络连接起来。这一技术方案的核心价值在于大幅缩短算法迭代周期,实现数据驱动的设计与验证。典型的应用场景包括数字孪生构建、预测性维护和硬件在环(HIL)测试的云端化。通过将MATLAB/Simulink这一强大的模型化设计环境,与ThingSpeak物联网云平台进行深度集成,工程师能够轻松地将实时或历史的物联网数据流直接注入仿真模型作为输入,同时将仿真结果实时回

weixin_34220179的博客 469

【一文读懂】NTN(非地面网络)技术介绍

NTN,即非地面网络,是指利用卫星、高空平台(如无人机、平流层气球等)等非地面通信基础设施来实现全球通信覆盖的网络。在5G时代,NTN主要基于5G标准,特别是5G NR(New Radio)技术,通过卫星通信扩展地面网络的覆盖范围和服务能力。NTN技术的出现和发展,为全球通信带来了新的可能性和挑战。通过不断的技术创新和标准化推进,NTN有望在未来发挥更加重要的作用,为全球用户提供无处不在的通信服务。随着6G时代的到来,我们有理由相信NTN技术将迎来更加广阔的发展前景。

u011376987的博客 1万+

安装Torch

** 安装Torch7,按照官网操作,运行./install.sh时报错: ** 参考:http://www.pianshen.com/article/5473287386/ 2 errors detected in the compilation of "/tmp/tmpxft_00001b24_00000000-6_THCTensorMath.cpp1.ii". CMake Error at ...

HONG.1948 1328

使用TensorFlow搭建FNN(全连接神经网络)的基本步骤

提示:转载请注明出处,若本文无意侵犯到您的合法权益,请及时与作者联系。 目录 一、定义神经网络的输入输出 二、搭建神经网络 1、定义一个神经层中的权重 2、定义一个神经层中的阈值 3、定义一个神经层中的激活函数 4、组合神经层为神经网络 三、搭建损失函数和优化器 1、搭建损失函数 首先介绍第一个函数这其中用到的共同的函数为 2、定义优化器 四、训练神经网络 全连接神经网络的网络结构如下: 一、定义神经网络的输入输出 神经网络最擅长的工作就是模拟非线性函数,即一个复杂的高..

qq_41959920的博客 4069

win10 detectron2 安装报错解决

解决办法根据。

qq_33228039的博客 1485

浅谈专项测试之弱网络测试

浅谈专项测试之弱网络测试 一.弱网络测试背景 移动端产品的使用并非完全都是在流畅的wifi环境,大部分用户主要使用4G,3G,2G等网络,另外因为移动端产品使用的场景多变,如进公交,上地铁,坐电梯,使得弱网测试显得尤为重要。考虑到各种场景的客户端展示及容错,提升产品的印象和用户体验,提高产品的健壮性,弱网测试必不可少。 二.弱网络测试建议 网下需要进行功能点测试,无网络测试,网络切换测试等,测试过程除了关注功能点的实现,还应关注用户体验等各个方面 三.弱网络测试通用功能点总结 四.弱网络测试用例实例

ITstudy001的博客 1010

FPGA进位链(Carry Chain)实战:从Xilinx CARRY8原语到性能优化全解析

本文深入解析了FPGA进位链(Carry Chain)的原理与应用,重点剖析了Xilinx CARRY8原语的端口功能与内部机制。通过实测数据揭示了进位链的真实延迟特性与温度影响,并详细阐述了如何利用DI和S信号进行动态路径优化、实现减法运算与条件进位选择,从而有效提升设计性能。最后,文章探讨了系统级的流水线拆分、布局约束等实战优化策略与常见陷阱。

weixin_29313817的博客 449

ubuntu下 安裝torch

torch安裝地址 按照官網步驟 git clone https://github.com/torch/distro.git ~/torch --recursive cd ~/torch bash install-deps ./install.sh 依賴保證安裝完畢以後 執行最後一步後出現錯誤如下: /home/brian/torch/extra/cutorch/lib/THC/gen...

Yes,I do...huima2017的博客 724

APM32取代STM32的经验分享

我仔细检查了代码中与硬件相关的部分,例如外设寄存器的访问和中断处理程序的设置,并进行了相应的修改。在本文中,我将分享我将APM32引入项目中取代STM32的经验,并提供相应的源代码。我查看了APM32的官方网站、开发者论坛和相关社交媒体,了解了开发者社区的活跃度和可用的资源。总结起来,将APM32替换STM32的过程需要经过几个关键步骤:了解APM32的规格和功能、评估软件生态系统、迁移代码和调试,以及性能和功耗优化。在开始替换之前,我对APM32进行了详细的研究和评估,以确保它能够满足项目的需求。

UplKubernetes的博客 2004

mac下跑R-FCN并用自己的数据集训练

1、首先,需要安装Caffe和pycaffe,起码机子搭过caffe环境 macos下面搭建caffe参考: http://blog.youkuaiyun.com/yimingsilence/article/details/54095628 2、克隆工程: [html] view plain copy   git clone https://gi

William Zhao's notes 2493

基于MATLAB的鲁棒主成分分析(Robust PCA)图像去噪

鲁棒主成分分析(Robust PCA)是一种有效的图像去噪方法,它能够在保持图像细节的同时去除噪声。本文将介绍如何使用MATLAB实现基于鲁棒PCA的图像去噪,并提供相应的源代码。它假设噪声是随机的、高斯分布的,并将图像分解为一个低秩矩阵和一个稀疏矩阵的和。低秩矩阵表示图像的结构和纹理信息,稀疏矩阵表示图像中的噪声和细节信息。接下来,我们将图像矩阵减去均值,得到规范化的图像矩阵。然后,我们将灰度图像转换为矩阵形式,并计算图像的均值。通过分离出低秩矩阵和稀疏矩阵,我们就得到了去噪后的图像和残差图像。

DevRevolt的博客 1125

docker-compose Install OrangeHRM

OrangeHRM是一个全面的人力资源管理HRM) 系统,它包含任何企业所需的所有基本功能。OrangeHRM旨在支持任何规模的团队,包括初创企业、中小企业以及大型跨国组织。

极致,细节 1003

py-R-FCN

下载程序, git clone https://github.com/Orpine/py-R-FCN.git 打开py-R-FCN,下载caffe git clone https://github.com/Microsoft/caffe.git 编译Cython模块 cd lib make 编译caffe和pycaffe cd caffe cp Makefile.config.example MA...

joker_shy的博客 328

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

R-FCN训练自己的模型

说明: 本文假设你已经做好数据集,格式和VOC2007一致,并且Linux系统已经配置好caffe所需环境(博客里教程很多),下面是训练的一些修改。 py-R-FCN源码下载地址: https://github.com/Orpine/py-R-FCN 也有Matlab版本: https://github.com/daijifeng001/R-FCN 本文用到的是pyth

qq_36259240的博客 1127

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

R-FCN算法的Caffe实现

本博文介绍如何在Caffe上实现R-FCN,关于R-FN的算法讲解和Caffe代码详解可以参考另外一篇博客:Object Detection算法——R-FCN算法及Caffe代码详解git地址:https://github.com/Orpine/py-R-FCN 基本上按照这个git上的readme.md的流程进行并假设你本机的Caffe本来就可以正常使用,接下来详细讲解可能会遇到的坑:1、先从g

AI之路 3365

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

py-R-FCN 项目常见问题解决方案

py-R-FCN 项目常见问题解决方案 项目基础介绍和主要编程语言 py-R-FCN 是一个基于区域的全卷积网络(Region-based Fully Convolutional Networks)的开源项目,主要用于目标检测。该项目由 Yuwen Xiong 开发,支持联合训练和 Python 语言。py-R-FCN 是基于 MXNet 框架实现的,旨在提供一个高效的目标检测解决方案。 新手使用...

gitblog_01114的博客 577

R-FCN + ResNet + Python + 训练自己的模型

安装MS Caffe 测试Demo 训练自己的模型的准备工作 训练 参考链接安装MS Caffe假设你已经装好了CUDA,cudnn,caffe等等。 这一步感觉和faster rcnn很像,都需要独特版本的caffe。这里的版本就是Microsoft的caffe。 pip install cython pip install easydict apt-get install py

I AM BACK 9279

R-FCN在linux下的配置(py-R-FCN)并训练自己的数据集

本文是R-FCN代码的python版源码配置,操作系统为Ubuntu16.04R-FCN: Object Detection via Region-based Fully Convolutional Networks,与先前的基于区域的检测器(诸如Fast/Faster R-CNN)在每个区域子网络几百次的高成本计算相反,R-FCN的基于区域的检测器是利用深度完全卷积网络,几乎所有计算在整个图像上...

蚂蚁搬家 2471

如何快速上手py-R-FCN:深度学习目标检测实战指南

py-R-FCN是一个基于Python的深度学习目标检测框架,实现了R-FCN(Region-based Fully Convolutional Networks)算法,支持联合训练和Python接口,帮助开发者高效构建和部署目标检测模型。本文将带你从零开始了解py-R-FCN的核心功能、安装步骤和实际应用,让你快速掌握这一强大工具。 ## 🚀 什么是py-R-FCN? R-FCN是由Jif

gitblog_01160的博客 347

py-r-fcn训练自己的数据

https://github.com/YuwenXiong/py-R-FCN按照voc格式制作训练数据,Main里面只需要train,trainval就可以。文件夹格式和voc2007的要一样,这样可以防止更改里面的东西。以及.prototxtcaffe 版本:https://github.com/Microsoft/caffe/tree/1a2be8ecf9ba318d516d79187845e...

A20120942的博客 966
上一篇: 对卷积层dilation膨胀的作用的理解,caffe-ssd dilation Hole算法解析
下一篇: 论文笔记 OHEM: Training Region-based Object Detectors with Online Hard Example Mining
浩瀚之水_csdn
博客等级 码龄18年 6万+粉丝 1660原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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