faster-RCNN训练【环境配置→自建数据集→训练→改错】

m0_58845062

已于 2025-02-21 11:07:19 修改

阅读量1.8k

点赞数 28

文章标签： python 深度学习笔记

于 2024-12-13 17:39:51 首次发布

本文链接：https://blog.youkuaiyun.com/m0_58845062/article/details/144450782

版权

前期工作：下载pycharm、anaconda、visual studio，下载faster-RCNN代码（我用的是B站霹雳吧啦Wz大佬的代码，地址如下（直接点击没有找到项目的话，新开个网页复制这个网址进入，需要挂梯子）：GitHub - WZMIAOMIAO/deep-learning-for-image-processing: deep learning for image processing including classification and object-detection etc.）

1.visual studio下载完要安装【使用C++的桌面开发】

如图3所示，按红框里的选。如果一开始没装，打开Visual Studio，按图1-图3红框依次点击，最后点图3右下角“修改”即可。

2.conda环境配置

打开这个：（在电脑搜索栏搜“Anaconda Promp”就行），

依次输入以下代码，注意此处的“fasterRCNN”是你给环境起的名字，可以自行更改。

conda create -n fasterRCNN python=3.8

activate fasterRCNN

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

输入下面代码，成功最好，如果出错了，就不管了，你先跳过，后面出错了看本文第六章【6.各种错误如何解决】

pip install -r requirements.txt

3.pycharm环境配置

进到项目中，点右下角红框处（我这里是已经配置好了，你显示的肯定不跟我一样），

点红框

这里按图片顺序点，注意第4个红框选的那个python.exe文件，是你创建的环境中的文件

4.训练数据集制作

我这里从图像打标开始，如果你已经有图像以及对应的xml文件，可以直接看4.3划分数据集

4.1安装labelimg

进入Anaconda Promp，依次输入以下代码：

activate fasterRCNN

【下面这个代码2就安装的时候输就行了，安装完了之后每次启动labelimg只用输代码1和代码3】

pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

labelimg

就进入到labelimg里了

4.2打标

点A，选择要打标的图片所在的文件夹；点B，选择标签保存的文件夹。（可以选择同一个文件夹）

按“W”，你鼠标上出来一条十字线，然后框上你需要标的目标，输入标签名就行了。按“A”和“D”是切换上一张图、下一张图，切换图片后自动保存上一张标签。

全部打完看看标签格式是不是xml（就是右键点击文件——属性），如果是txt，要改成xml格式（写个脚本就能实现，之后我会把脚本放上来，如果我忘放了，留言或者私信一下）

【打标特别注意事项：

1.如果你发现一张图上没有需要标的目标，可以跳过，但是一定记得打完标把这张图删掉！

2.如果你在一张图上打了个标签，并且标签已经保存了，但又不想要这个标签了，把这个标签删掉后，删掉后本图片上没有其他目标了，那么你文件夹中会有一个对应的空的 xml文件，一定记得把这个xml文件和对应的图片删掉！】

4.3划分数据集

在faster_rcnn文件夹下建立红框中的文件夹，最好名字一模一样，不然后面还要改代码，几个名字放在这里，空格别复制啊：VOCdevkit VOC2012 Annotations ImageSets JPEGImages Main

把你所有的图片放在上述JPEGImages文件夹中；xml文件放在Annotations文件夹中。

打开代码【split_data.py】（红框），看下路径（黄框）没问题，直接运行。

这个代码是将数据划分为训练集和验证集，原代码写的验证集比例是0.5（橘框），我这里改成0.2了，可以随便改。

在根目录（最外层目录）下会生成两个txt文件【train.txt】和【val.txt】，剪切两个文件，粘贴到你前面创建的ImageSets的Main文件夹下

打开文件【pascal_voc_classes.json】，改成你的标签，最后一个标签记得给后面的逗号删掉，把多余的空行也删掉。

5.开始训练！！！！！！！！！！！！

我用的gpu训练，打开【train_multi_GPU.py】（红框）这个文件，可以改下黄框里的内容，调整训练参数；204行的目标类别数也要改成你数据集的类别数；如果你路径和我的不一样，记得把图片中200行的路径也改了。运行！！！！

6.各种错误如何解决：

① The package for pytorch located at XXXXX appears to be corrupted

环境没安好，重新安一下

解决：进入Anaconda Prompt，依次输入：

activate fasterRCNN

conda clean --packages

问你Y/N就输Y，回车，下同

conda clean --all

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

②RuntimeError: CUDA out of memory

解决：把batchsize调小

③ModuleNotFoundError: No module named XXX

解决：按红框顺序点，然后在下面输入pip install XXX

前面requirements.txt那没装好，就会出现好几个这个问题，出一个这个问题你就pip一个，直到不出这个错

④json.decoder.JSONDecodeError: Expecting property name enclosed in double quotes: line 1 colu

标签错啦

解决：打开根目录下的文件【pascal_voc_classes.json】，看看标签哪里有问题，打错字了、有多余空行、最后一个标签后面还有逗号......改就完了。

⑤AttributeError: 'Namespace' object has no attribute 'rank'

解决：train_multi_GPU.py文件最后一堆parser.add_argument最后加上以下代码

parser.add_argument('--rank', type=int, default=-1, help='The rank of the current process in distributed training')

如图：

⑥训练出现一个警告：UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argume

解决：找到报错的地方，在括号里的最后加上：indexing = 'ij'

即：torch.meshgrid(shifts_y, shifts_x,indexing = 'ij')

⑦Loss is nan,stopping training

解决：可以先试试把batchsize调大，如果没用或者出现RuntimeError: CUDA out of memory问题，用以下方法：

打开【train_eval_utils.py】，把with torch.cuda.amp.autocast这行黄框代码注释了，记得把下面两行的缩进删除

【在整个项目中找某句代码小技巧：全局搜索】

全局搜索：

箭头处输入需要搜索的代码

⑧RuntimeError: CUDA error: device-side assert triggered

解决：把类别数（红框）改成你数据集的类别数