coco数据集训练nanodet详细流程_nanodet cpu训练-优快云博客

本文链接：https://blog.youkuaiyun.com/level_code/article/details/129175049

该文介绍了如何配置conda环境，安装CUDA和PyTorch，以及为NanoDet模型下载和准备COCO数据集。在完成环境配置后，文章详细阐述了如何训练NanoDet模型，包括修改配置文件，设置训练参数，以及在PyCharm中运行训练。最后，文章提到了如何测试训练好的模型并展示了50个epoch的训练结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

github地址

首先要配置环境

conda create -n nanodet python=3.8 -y
conda activate nanodet

确认一下cuda版本

nvcc -V

确认是11.3之后，要安装11.3对应的pytorch版本。
本机装pytorch1.12.1后面运行的时候会报错（torch没有经过cuda编译），于是降级到1.11

conda install pytorch==1.11.0 torchvision==0.12.0 cudatoolkit=11.3 -c pytorch

然后进入nanodet文件夹

cd nanodet
pip install -r requirements.txt
python setup.py develop

准备COCO数据集，数据集可以官网下载，也可以代码下载，
代码下载见这篇文章

会得到如下数据集文件夹

在这里插入图片描述
修改nanodet训练的配置文件，在nanodet/config文件夹下，自己选一个模型，
这里选的是nanodet-plus-m_416.yml
需要修改的有下面几个：

save_dir: #训练出的模型保存在哪里
data:
  train:
    name: CocoDataset
    img_path: #上面的images文件夹路径
    ann_path: #上面的annotations文件夹路径/instances_train2017.json

  val:
    name: CocoDataset
    img_path: #上面的images文件夹路径
    ann_path: #上面的annotations文件夹路径/instances_val2017.json

device:
  gpu_ids: [0]  #想用CPU的这里写-1
  workers_per_gpu: 10
  batchsize_per_gpu: 16  #需要根据实际需要修改

total_epochs: 50  #训练多少个epoch
val_intervals: 10  #每10个epoch做一次evaluation

设置参数
在pycharm的Run->Edit Configurations
Parameters里填上面的配置文件nanodet-plus-m_416.yml所在的完整路径

开始训练，训练完成后模型model_last.ckpt会保存在save_dir文件夹下。

来测试一下这个模型，
选择nanodet/demo/demo.py
设置参数
Parameters里填上

--config ../config/nanodet-plus-m_416.yml --model save_dir路径/model_last.ckpt --path 测试图片路径/people.jpg --save_result image

这是训练50个epoch的结果。
在这里插入图片描述