一、创建conda环境,conda create -n 环境名 python=x.x
安装好Anaconda后,在Anaconda Prompt运行命令:
conda create -n paddle python=3.9
激活环境
Windows使用conda activate env_name
这里使用Ubuntu,source activate env_name
source activate paddle
二、安装paddle框架 cuda推荐11.2版本
打开飞桨官网打开飞桨官网,选择conda安装方式,省心省力。
如果后续部署模型需要用TensorRT加载onnx模型,paddle的infer_onnx_py目前只支持到tensorrt 7,而tensorrt7只能加速cuda最高11.2的版本,也就是说cuda11.6将无法使用infer_onnx_py;
并且目前conda安装不支持cuda11.6;所以个人推荐安装cuda11.2版本
复制命令执行后选择y即可,conda会在环境中配置cuda和cudnn,下载paddle-gpu等依赖包。
conda install paddlepaddle-gpu==2.3.1 cudatoolkit=11.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge
验证安装
输入 python
或 python3
进入python解释器,输入import paddle
,再输入 paddle.utils.run_check()
如果出现PaddlePaddle is installed successfully!
,说明您已成功安装。
三、准备数据集
如果要使用自己的数据集,参考10分钟上手PaddleSeg - 飞桨AI Studio (baidu.com)
四、下载源码及依赖包,修改配置文件
1.下载源码
源码地址可直接下载PaddleSeghttps://github.com/PaddlePaddle/PaddleSeg
github下载
git clone https://github.com/PaddlePaddle/PaddleSeg
2.下载paddleseg依赖
pip直接安装
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
或者安装paddleseg包
pip install paddleseg
3.配置train.py训练参数
readme中有详细的使用教程。模型训练
也可以参考快速上手paddleseg
https://github.com/PaddlePaddle/PaddleSeg/blob/release/2.6/README_CN.md
各个模型的对比以及ppliteseg的配置参考PaddleSeg/model_zoo_overview_cn.md at b0c0e00388b7524196c889a2fc1573947c43bdc5 · PaddlePaddle/PaddleSeg (github.com)
个人喜欢在train.py中指定config的配置文件以及batchsize、iters;
parser.add_argument(
"--config", dest="cfg", help="The config file.", default='configs/pp_liteseg/pp_liteseg_stdc2_cityscapes_1024x512_scale1.0_160k.yml', type=str)
配置文件可以在paddleseg/configs中选择。我选择的是ppliteseg。配置文件详解参考配置文件详解。如果训练自己的数据集,则配置的yaml文件必须修改。
完成以上配置后,运行train.py开始训练模型。如果开启了do_eval,则不需要在训练后评估模型。
如果有连接服务器远程训练的需求,可以参考pycharm远程连接服务器完整教程_hehedadaq的博客
训练结束后,模型和结果保存在output文件夹。模型指标不会自动保存,如果训练时开启了 use_vdl,就可以用visualdl打开log,实时查看训练情况。