Torch安装+Densecap实验

最新推荐文章于 2023-06-05 10:57:56 发布
原创 最新推荐文章于 2023-06-05 10:57:56 发布 · 2.1k 阅读 · 2 ·
CC 4.0 BY-SA版权
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。
文章标签：

#Densecap

本文介绍了DenseCap模型的安装流程与实验步骤。DenseCap是一种能够对图像中的多个区域进行精确定位并生成描述的模型。文章详细记录了Torch环境的搭建过程，包括LuaJIT和Torch的基本包依赖项安装、GPU加速配置等。此外还提供了在视觉基因组数据集上的评估结果。

Torch安装+Densecap实验

本博客用于记录学习过程，欢迎交流。

Densecap引入密集的字幕任务，不仅能够定位局部显著的图像，而且能用自然语言来描述该区域。密集字幕任务概括和统一了两个任务，一个是只需要单个单词描述的目标检测任务，另一个是对整个图像的一个预测区域的字幕标注任务。为了同时解决定位和描述任务，提出了一个统一高效的直传处理图像架构，全卷积定位网络（FCLN）架构，无需外部区域的建议，并可以用单轮优化进行端对端的训练。该架构包含一个卷积网络，一个新的密集定位层，一个生成标签序列的递归神经网络的语言模型。评估了视觉基因组数据集，该数据集包括94000图像和4,100,000个区域字幕。在字幕生成和图像检索两个任务上对算法进行了评估，不管是速度还是准确性上，对当前最优的基线都有提升。

1.安装 Torch

1.1 下载Torch

git clone https://github.com/torch/distro.git ~/torch –recursive

1.2 安装LuaJIT和Torch所需的基本包依赖项

cd ~/torch
bash install-deps

1.3 安装LuaJIT，LuaRocks.

安装LuaJIT，LuaRocks,然后使用LuaRocks（lua软件包管理器）安装核心软件包，如torch，nn和path，以及其他几个软件包

./install.sh

1.4 更新环境变量。

更新环境变量,添加Tor环境ch的变量，并在正确的配置文件中修改路径。

source ~/.bashrc

2.配置Densecap

2.1 安装依赖

luarocks install torch
luarocks install nn
luarocks install image
luarocks install lua-cjson
luarocks install https://raw.githubusercontent.com/qassemoquab/stnbhwd/master/stnbhwd-scm-1.rockspec
luarocks install https://raw.githubusercontent.com/jcjohnson/torch-rnn/master/torch-rnn-scm-1.rockspec

2.2 安装GPU acceleration

luarocks install cutorch
luarocks install cunn

2.3 安装(Optional) cuDNN

luarocks install cudnn

2.4 下载预训练模型

sh scripts/download_pretrained_model.sh

2.5 看图说话单张图片

th run_model.lua -input_image imgs/elephant.jpg
cd vis
python -m SimpleHTTPServer 8181

打开这个网页：
http://localhost:8181/view_results.html

原图：
这里写图片描述

结果：
这里写图片描述

2.6 看图书画多张图片

制定输入目录：

th run_model.lua -input_dir /path/to/my/image/folder

指定输出目录：

th run_model.lua -input_dir /path/to/my/image/folder -output_dir /path/to/output/folder/

安装过程遇到的问题：

安装 Torch问题1:

/usr/bin/ld: cannot find -lgfortran
collect2: 错误： ld 返回 1
make[1]: * [../libopenblas_haswellp-r0.2.20.dev.so] 错误 1
make[1]:正在离开目录 `/tmp/OpenBLAS/exports’
make: * [shared] 错误 2
Error. OpenBLAS could not be compiled

解决方案：
sudo apt-get install gfortran-4.9

问题2

问题2:Then make sure files named as libcudnn.so.4 or libcudnn.4.dylib are placed in your library load path (for example /usr/local/lib , or manually add a path to LD_LIBRARY_PATH)

解决方案：
到官网https://developer.nvidia.com/cuDNN注册下载cudnn-7.0-linux-x64-v4.0-prod.tgz,解压然后将cuda/lib64/libcudnn.so.4 复制到/usr/lib下。

然后执行下列命令：

hdu@hdu:~/densecap$ th run_model.lua -input_image imgs/elephant.jpg

1/1 processing image imgs/elephant.jpg

参考文章：
http://weibo.com/5501429448/DtW9teG9s?type=comment#_rnd1484010132423

torch1.7.1+cu110.zip
02-02
小米笔记本Pro 2020款 显卡MX350 CUDA+cuDNN tensorflow-gpu安装_XerCis的博客-优快云博客 https://xercis.blog.youkuaiyun.com/article/details/113360333
torch1.2.0+torchvision0.4.0.rar
02-04
在pytorch上下载资源过慢，所以存了下来方便大家使用，这里的torch是1.2.0版本，torchvision是0.4.0版本，先安装torch(pip install 下载目录)，再安装torchvision(pip install 下载目录)
bash download_model.sh，下载.sh文件 wget: command not found，Windows系统使用git命令 下载预训练权重
m0_45924886的博客
06-05 4332
很多大佬代码的预训练权重并不是直接给出链接在谷歌云盘下载，而是在code文件下给出download.sh这类的文件，那么这时需要我们运行该脚本文件来下载该模型的预训练权重。下载后将wget.exe文件复制到mingw64下的bin文件下，注意不是Git下的bin，别搞错了不然还是报错，复制后直接 bash download.sh，即完成下载。该博库写的很详细，安装完成后，在刚才安装的Git路径下找到bin文件下的sh.exe。
论文笔记 DenseCap: Fully Convolutional Localization Networks for Dense Captioning
xiaoxiang_AQ 的博客
09-26 3921
李飞飞组的文章，是一篇很有意思的文章，主要介绍了一种CNN解决密集字幕任务的方法。密集字幕任务主要含两个方面： （1）单个单词描述的目标检测任务；（2）对整个图像的一个预测区域的字幕标注任务。
import torch报错ImportError: libopenblas.so.0: cannot open shared object file: No such file or directo
HY的博客
03-22 6945
1. sudo apt-get install libopenblas-dev sudo add-apt-repository universe 3. sudo add-apt-repository main 4. sudo apt-get update 5. sudo apt-get install libopenblas-dev 6.sudo apt --fix-broken install sudo apt-get install libopenblas-dev 7.
bash download.sh命令直接执行可以成功，通过代码执行却失败
小白的博客
06-27 6482
遇到了一个特别坑的问题。。。浪费了差不多两天时间。。。很气。。。 需求：通过wget命令下载一个xml.gz，一个xml文件的压缩包 代码： Runtime.getRuntime().exec("bash " + BASH_FILE); Thread.sleep(60 * 1000); BASH_FILE: wget -O MD_ritisXML_IncC...
python3.8,torch1.10.2+cu113、torch-geometric 安装
weixin_63016274的博客
05-24 2528
python3.8,torch1.10.2+cu113、torch-geometric 安装
【torch2.3.0+torchvision0.18.0+torchaudio2.3.0+cuda12.1】最新安装教程
retainenergy的博客
04-08 1万+
1、安装 Anaconda3（搜索下载即可） 2、检查显卡，更新驱动（查看主机最高支持的CUDA版本） 3、安装CUDA12.1（很重要） 4、创建conda虚拟环境 5、在自创的虚拟环境安装 PyTorch（很重要，torch版本和torchvision版本一定要对应！！而且一定要和CUDA版本匹配） 6、测试安装是否成功
Win10+Torch1.9+CUDA11.1成功配置YOLOX预测环境
qq_44442727的博客
08-26 2973
因为windows使用较多，所以想在上面装一个pytorch环境进行学习，之前我根据个人笔记本电脑显卡型号已成功安装了显卡驱动和CUDA，安装最新版pytorch（1.9）也可以调用GPU，后面直接拿YOLOX跑了一下，发现问题还是比较多，但所幸都解决了，在这里除了记录一下个人经验，也给大家分享一下踩坑日记，给有兴趣的伙伴减少摸索时间，提高效率。 一、首先是在Win10上成功调用GPU，我的相关软件安装过程参考博客： https://blog.youkuaiyun.com/qq_44442727/article/det
玩转Jetson Nano（三）：安装Pytorch GPU版
FriendshipTang的博客
09-01 7503
Jetson Nano、Pytorch GPU版、、查看CUDA版本号、Wheel文件、测试是否安装成功、常见问题、OSError: libmpi_cxx.so.20、ImportError: libopenblas.so.0、Illegal instruction(cpre dumped)
DenseCap源码实现
yee_0217的博客
03-21 761
安装Torch 在Ubuntu终端，输入： git clone https://github.com/torch/distro.git ~/torch --recursive cd ~/torch; bash install-deps; ./install.sh 接下来会提示是否把torch加入bashrc中，输入yes即可。 上面没有装git的要预先装好git。 安装Torch 依赖库...
基于DenseCap的字幕生成
ljp1919的专栏
12-21 1057
0.paper地址： http://cs.stanford.edu/people/karpathy/densecap/ github地址： https://github.com/jcjohnson/densecap 1.下载 git clone –recursive https://github.com/jcjohnson/densecap #代码 如果网络问题导致clone失败，可以
[torch]安装遇到的问题
apsvvfb的专栏
06-30 2万+
最近提特征提的整个tsubame的空间都要满了..今天安torch,http://torch.ch/docs/getting-started.htmlgit clone https://github.com/torch/distro.git ~/torch --recursive cd ~/torch; bash install-deps; ./install.shtsubame没法和外部网络联系,
（原）torch中微调某层参数
weixin_33889665的博客
12-26 304
转载请注明出处： http://www.cnblogs.com/darkknightzh/p/6221664.html 参考网址： https://github.com/torch/nn/issues/873 http://stackoverflow.com/questions/37459812/finetune-a-torch-model https://github.com/torc...
卷积网络循环网络结合-CNN+RNN
热门推荐
大树先生的博客
09-01 4万+
卷积网络循环网络结合-CNN+RNN1. CNN+RNN相同点 都是传统神经网络的扩展； 前向计算产生结果，反向计算进行模型的更新； 每层神经网络横向可以多个神经元共存，纵向可以有多层神经网络连接。 不同点 CNN进行空间扩展，神经元与特征卷积；RNN进行时间扩展，神经元与多个时间输出计算； RNN可以用于描述时间上连续状态的输出，有记忆功能；CNN则用于静态输出； CNN高级结构可以达到100+深
torch和lua学习常见问题（重点是nn模块编译和torch编译）
u013548568的博客
03-19 2848
1、点号和冒号在函数调用上的区别 http://blog.youkuaiyun.com/wangbin_jxust/article/details/12170233，根据这篇博客的描述，可以发现冒号只是省略了传递的第一个参数self的作用，对于点号需要具体的去传递一个对象的实参，下面做一个实验，用torch x = torch.Tensor(5):zero() 这个时候输出长度为5的全部为0的Ten...
torch7安装
张欣的专栏
01-31 2878
大神的链接点击打开链接步骤:sudo apt install git git clone https://github.com/torch/distro.git ~/torch --recursive cd torch sudo bash install-deps 漫长的等待，得到结果:............Skipping install of OpenBLAS - it is already...
pytorch的多gpu训练
猫猫与橙子的博客
06-11 3248
1.多GPU训练，出现out of memory 出现情景：预训练模型是使用gpu0训练得到，然后要在多gpu的服务器上进行微调，使用gpu id为[4,5,6,7]，然后出现报错如下： cuda runtime error (2) : out of memory at /pytorch/aten/src/THC/THCTensorRandom.cu:25 错误原因分析：在加载预训练模型的...
安装torch 2.6.0+cu126
最新发布
03-22
<think>嗯，用户想安装特定版本的PyTorch，特别是2.6.0+cu126。我需要回忆一下安装PyTorch的不同方法。记得通常有两种主要方式：使用pip或者conda。用户提供的引用中有几个链接和命令，可能需要参考这些信息。 首先，用户提到通过pip安装whl文件。比如引用[1]中的命令是安装torch-2.6.0+cu126的whl文件，但用户可能需要注意Python版本和系统架构。比如文件名中的cp311代表Python3.11，用户需要确认自己的Python版本是否匹配。如果用户的环境是Python3.12，可能需要另一个文件，如引用[4]中的例子，他们修改了文件名以适应版本。所以正确选择whl文件很重要。 然后，conda安装方法在引用[2]中，但命令里的pytorch-cuda=12.1可能对应cu121，而用户需要cu126，也就是CUDA12.6。可能conda源里没有cu126的版本，这时候可能需要使用pip安装。用户需要先检查conda是否提供了该版本，如果没有，就只能用pip。 另外，用户可能需要从官网下载whl，如引用[3]提供的链接。需要指导用户访问正确的URL，然后找到对应的版本。但PyTorch的官方下载页面可能结构比较复杂，用户需要根据自己的环境选择正确的文件。例如，cu126对应的CUDA版本是12.6，而Python版本如3.11、3.12等都要对应。 还有，引用[4]提到安装时遇到的问题，whl文件名和dist-info不匹配。这时候需要重命名文件，将%2B替换为+号，并确保其他部分正确。比如原文件名可能有编码问题，下载后需要手动调整，避免安装失败。 总结步骤应该是：首先确定Python版本和CUDA版本是否匹配，然后选择pip或conda安装。如果使用pip，下载正确的whl文件，可能需要调整名称，最后用pip安装。或者使用conda指定版本，但可能受限于仓库中的可用版本。 用户的问题还可能涉及依赖项，比如需要安装对应的torchvision或torchaudio，这时候是否需要一并安装？引用中的命令有的包含这些库，但用户可能只需要torch。需要建议用户根据需求安装相关组件。 另外，用户可能是在Windows系统下安装，因为whl文件名中有win_amd64，所以需要确认系统是否为64位Windows。如果是Linux，可能需要不同的whl文件。 最后，需要提醒用户验证安装是否成功，通过导入torch并检查版本和CUDA是否可用。例如：import torch; print(torch.__version__); print(torch.cuda.is_available())。 可能还需要处理常见错误，比如版本不兼容、CUDA驱动不支持等问题。例如，CUDA12.6需要相应的NVIDIA驱动版本，用户需要提前安装正确的驱动。</think>### 安装PyTorch 2.6.0+cu126的步骤 #### 方法1：通过pip直接安装whl文件（推荐） 1. **下载对应版本的whl文件** 访问PyTorch官方下载页面： https://download.pytorch.org/whl/ 搜索`cu126`相关文件，根据你的Python版本和操作系统选择对应的文件。例如： - Python 3.11 + Windows系统：`torch-2.6.0+cu126-cp311-cp311-win_amd64.whl` - Python 3.12 + Linux系统：`torch-2.6.0+cu126-cp312-cp312-manylinux1_x86_64.whl` 2. **安装whl文件** 在命令行中执行： ```bash pip install "torch-2.6.0+cu126-cp311-cp311-win_amd64.whl" ``` **注意**：如果文件名包含`%2B`（如从浏览器下载时），需手动将其改为`+`，否则会报错[^4]。 --- #### 方法2：通过conda安装 若conda源中已提供该版本，可尝试： ```bash conda install pytorch torchvision torchaudio pytorch-cuda=12.6 -c pytorch -c nvidia ``` 但当前官方conda频道可能未同步`cu126`版本，建议优先使用pip安装[^2]。 --- #### 验证安装 安装完成后，运行以下代码检查版本和CUDA支持： ```python import torch print(torch.__version__) # 应输出 2.6.0+cu126 print(torch.cuda.is_available()) # 应输出 True ``` --- ### 常见问题解决 1. **文件名不匹配** 如果报错`torch-2.6.0+cu126-cp311-cp311-win_amd64.whl is not a valid wheel filename`，需确保： - 文件名中的Python版本（如`cp311`）与当前Python版本一致； - 将`%2B`替换为`+`。 2. **CUDA驱动不兼容** CUDA 12.6需NVIDIA驱动版本≥535.86.10，可通过`nvidia-smi`命令检查驱动版本。 ---
评论 1
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