该文详细记录了PPDetection的安装过程，包括环境准备，如设置conda环境、安装指定版本的PaddlePaddle和CUDA，以及验证安装成功。之后，从GitHub克隆PaddleDetection项目，安装依赖，编译并测试模型。最后，展示了如何在GPU上进行预测以及在ARM端（如AGX）的特定配置步骤。
ppdetection使用记录
环境准备
conda create -n ppdetect python=3.8conda activate ppdetect- 确认自己的cuda版本
nvcc -V - 按照cuda版本安装paddle：
python -m pip install paddlepaddle-gpu==2.3.2.post116 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html - 确定paddle安装成功
# 在您的Python解释器中确认PaddlePaddle安装成功
>>> import paddle
>>> paddle.utils.run_check()
# 确认PaddlePaddle版本
python -c "import paddle; print(paddle.__version__)"
git clone https://github.com/PaddlePaddle/PaddleDetection.git- 安装PaddleDetection
# 安装其他依赖
cd PaddleDetection
pip install -r requirements.txt
# 编译安装paddledet
python setup.py install
- 安装后确认测试通过：
python ppdet/modeling/tests/test_architectures.py
测试通过后会提示如下信息：
.......
----------------------------------------------------------------------
Ran 7 tests in 12.816s
OK
- 在GPU上预测一张图片
export CUDA_VISIBLE_DEVICES=0python tools/infer.py -c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml -o use_gpu=true weights=https://paddledet.bj.bcebos.com/models/ppyolo_r50vd_dcn_1x_coco.pdparams --infer_img=demo/000000014439.jpg
- pip install numba==0.56.4
ARM端配置（AGX）
与上述大体相同，但是paddle需要安装arm版本，百度封装好的paddle.whl 下载 地址
扫一扫
1316
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
