person search编译运行--caffe（CPU版）

最新推荐文章于 2024-06-10 09:39:14 发布
最新推荐文章于 2024-06-10 09:39:14 发布
阅读量530 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： CV
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。
本文链接：https://blog.youkuaiyun.com/mudooo/article/details/97106185
本文详细介绍了如何使用OpenMPI 1.10.7版本进行多GPU并行训练，通过优化显存使用，实现了更大batchsize的训练，显著提高了最终模型的精度。文章还提供了详细的安装步骤和环境配置指南，以及如何在Caffe框架中启用MPI支持的具体操作。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1.安装openmpi 1.10.7

用了Open MPI来支持多块GPU训练，并优化了显存，使得能以更大的batch size进行训练，batch size对最后的精度真的很重要

a.下载链接，默认安装到/usr/local/下：

cd openmpi-1.10.7
./configure
sudo make -j8
sudo make install
cd -

b.配置环境变量

sudo gedit ~/.bashrc

添加
export PATH=/usr/local/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
到最后一行

source ~/.bashrc

2.运行代码
a.git clone --recursive https://github.com/ShuangLI59/person_search.git
b.

cd caffe
mkdir build && cd build
sudo cmake .. -DUSE_MPI=ON
sudo make -j8
sudo make install
cd ../..

参考：https://blog.youkuaiyun.com/weixin_36697338/article/details/82918049

[计算机视觉][神经网络与深度学习]Faster R-CNN配置及其训练教程
ZhangPY的专栏
05-13 1256
Faster R-CNN教程 Faster R-CNN教程 最后更新日期：2016年4月29日 本教程主要基于python版本的faster R-CNN，因为python layer的使用，这个版本会比matlab的版本速度慢10%，但是准确率应该是差不多的。 目前已经实现的有两种方式： Alternative trainingApproximate joint
目标检测YOLO实战应用案例100讲-基于YOLO模型的遥感影像 飞机目标检测技术研究（中）
qq_36130719的博客
04-19 670
和空间注意力模块（Spatial Attention Module，SAM) [48]，分别可以在通道和空间维度上分别进行算法注意力的改进，使用便捷，不会产生很大的计算量开销，可以和原有的卷。算法在SSD中增加了反卷积层，训练后得到的高层特征图包含的目标细节信息更多，这使网络能更加关注目标特征信息，减少了背景信息对检测结果的影响，提高了算法。交集为两个框重合部分，并集为两个框的总覆盖面积。息的这种情况，可以使用剪枝的操作手段，对模型进行处理，来删除收益过低的一些计 算成本，有助于实现更紧凑的模型表示。
Caffe学习(三) —— 运行第一个程序
cui841923894的博客
08-20 2193
Caffe优点之一是自带学习用例，所以初次接触caffe时，可以直接使用caffe自带的用例运行一次，感受一下caffe的使用。（因为caffe不自带练习数据，所以需要联网，下载） 下载数据 mnist是一个大型的手写数字库，由纽约大学Yannn LeCun教授整理，里面包括60000个训练集和10000个测试集，每个样本为28*28大小的黑白图片，手写数字为0-9，可以从官方网站http...
caffe+Ubuntu14.0.4 64bit 环境配置说明(无CUDA,caffe在CPU下运行)
u012746763的专栏
12-18 3098
http://www.ithao123.cn/content-1759601.html caffe是一个简洁高效的深度学习框架，具体介绍可以看这里http://caffe.berkeleyvision.org/，caffe环境配置过程可以参考这里：http://caffe.berkeleyvision.org/installation.html，我在搭建环境时搜集了许多资料，这里整理了一下，
caffe mobile编译运行
小火车~
09-22 1841
本文介绍如何在安卓端利用caffe模型进行识别。caffe mobile库已经有环境搭建说明，但是自己搭建的时候还是遇到了点问题，于是就进行了下总结，减少踩坑。 1. caffe mobile库 https://github.com/solrex/caffe-mobile 2.  Win7, 搭建caffe mobile环境，进行编译（仅安卓端） 1）环境配置 Git f
caffe程序运行流程
小火车~
10-28 2724
在训练caffe网络的时候，train.sh的内容为： #!/usr/bin/env sh TOOLS=/home/zhuangni/code/Multi-Task/caffe-master/build/tools GLOG_log_dir='/home/zhuangni/code/Multi-Task/experiment_single/attr1/vgg/log/' \ $TOOLS/ca
python-crfsuite 开源项目安装与使用指南
最新发布
gitblog_00064的博客
06-10 472
python-crfsuite 开源项目安装与使用指南 1. 项目目录结构及介绍 python-crfsuite 是一个用于Python的CRFsuite库绑定，它使得在Python环境中可以方便地使用高效的条件随机场(CRF)模型。以下是该仓库的基本目录结构及其简要说明： python-crfsuite/ ├── CHANGES.rst # 更新日志 ├── LICENSE.t...
《Instance-aware Semantic Segmentation via Multi-task Network Cascades》(MNC)，用自己的数据运行
小火车~
01-13 4022
这篇博文主要对《Instance-aware Semantic Segmentation via Multi-task Network Cascades》论文的代码用自己的数据运行，数据格式与原代码所需的格式一致。只是基础的利用代码，从这个过程里能了解代码的运行框架。 对这篇论文的理解参见：http://blog.youkuaiyun.com/u011070171/article/details/53071
Faster R-CNN教程
CarryPotMan的博客
04-29 5199
Faster R-CNN教程最后更新日期：2016年4月29日本教程主要基于python版本的faster R-CNN，因为python layer的使用，这个版本会比matlab的版本速度慢10%，但是准确率应该是差不多的。目前已经实现的有两种方式： Alternative training Approximate joint training 推荐使用第二种，因为第二种使用的显存更小，而且训练会
训练自己的数据--基于ssd_mobilenet模型实现目标检测
zhouguangfei0717的博客
08-15 5487
训练数据（在我下载中，大家可以自行下载） 最近在做反光检测的时候，使用vGG的时候效果可以，但是c++没有调起来，所以使用SSD-mobilenet来训练。 我的系统win10;python3.6 1. 在GitHub上下载所需的models文件，地址：https://github.com/tensorflow/models(这是tensorflow提供训练好的model) 2. 安装p...
person search代码使用小教程
热门推荐
songwsx的博客
09-29 1万+
0前言 前面开源了行人检索的代码。由于是多数据集联合训练，因此泛化效果还是不错的，一些简单场景都可以直接用。具体可以看看下面，可爱的实验室师兄师姐们拍摄的演示视频进行测试的结果。 下面具体介绍一下，这个演示视频是具体怎么进行测试的： 1.截取得到待检索的行人图片 对于侦探寻找犯人来说，往往是有一个中心现场的监控得到了犯罪嫌疑人的图片。因此，我们先利用query_get.py截取中心...
代码开源！！行人检测与行人重识别结合 person search
songwsx的博客
09-29 1万+
0 前言 最近在做自己课题相关的小项目，行人检测与行人重识别进行结合进行场景图片进行特定行人的检索由于也比较着急，先利用现有的模型搭建了简单的demo，简单效果展示如下，速度大概在20FPS： 先是给定需要检索的行人： 在监控场景图片进行检索该行人： 还有视频的demo展示： 利用下面一张其他摄像头拍摄的特定行人图片在视频中进行搜人: https://www.bilibil...
【person search】Re-ID Driven Localization Refinement for Person Search
凹酱的DEEP LEARNING
10-06 1245
Paper：Re-ID Driven Localization Refinement for Person Search Motivation：由于检测任务注重人的共同性，而重新识别任务则关注人与人之间的差异。 更准的框可以排除掉背景非目标人的干扰和，把目标人的丢失的属性信息找回来（比如背包）。 Contribution: 1，在re-ID损失的监督下优化探测器，以生产出可靠的...
person search编译运行
馨宇要变身的博客
10-01 961
github链接 一.安装openmpi 1.10.7 1.https://www.open-mpi.org/software/ompi/v1.10/downloads/openmpi-1.10.7.tar.gz 2. cd openmpi-1.10.7 ./configure --with-cuda=/usr/local/cuda-8.0 --enable-mpi-thread-multiple...
CPU跑caffe
火腿肠的幸福生活
03-24 525
之前自己已经完全安装了，并用GPU也跑了，今天给师妹安装的时候，问题百出，但由于电脑没有GPU，所以把这个安装CPU的过程自己再记录一遍（其实自己已经写了word，但是word是记录的GPU的安装过程，有点乱）（1）将终端cd到要安装caffe的位置。（2）从github上获取caffe：git clone https://github.com/BVLC/caffe.git这里，从官网下载是在太慢...
安装caffe_jacinto之配置不同版本opencv
yicuncuntu1101的博客
10-21 333
Opencv * 安装（https://www.cnblogs.com/long5683/p/12143875.html） * 必须要安装的依赖，通过命令安装： * sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev * 如果需要其他的功能，还需安装一些，命令： * sudo apt-get install python-d.
caffe(CPU版本)配置 及MNIST调用
jiyanglin的博客
05-06 712
看了很多大牛的文章，淌过了好多好多坑。终于完整走过了一个流程。这里就不写我参考的文章了，零零碎碎很多，我也记不清了。我这里分两部分，第一部分配置caffe，第二部分使用mnist尽量用了最简单的方式直接出结果涉及到配置使用的部分我就直接来干货，不写一堆中间过程和解释了我这里安装在用户主目录下（/home/用户名/caffe）第一部分  配置caffeUbuntu18.04（话说这个新发的版本不错）...
caffe在纯CPU模式下，使用多核运行
keep forward, go, go, go
04-19 3982
偶然发现一个问题，caffe在训练时，如果是只在cpu模式下，超级慢，看了一下，原因在于程序只用了一个核进行训练，因此速度超级慢如何解决这个问题呢？需要在编译caffe的时候指定使用openblas，并且需要在使用时指定使用的核数，具体操作如下1、首先安装openblas-Bash 代码1sudo apt-get install -y libopenblas-dev2、修改caffe目录下的Mak...
Linux-Ubuntu关于caffe转TI相关安装及运行，caffe-jainto编译，caffe-jainto-model运行稀疏量化例子
一串字符串
10-22 1156
一：caffe-jainto编译 1.参考博客 https://github.com/tidsp/caffe-jacinto/blob/caffe-0.17/INSTALL.md 进行了1、2、3 进行不下去了，怀疑caffe是否安装上了，暂时放弃，决定先安装caffe。 2.参考 https://jingyan.baidu.com/article/a948d651d43f3e0a2d...
openpose改进训练数据集
07-28
引用\[3\]:按照编译官方最新的caffe的方法来编译这个用于训练openpose模型的caffe_train会遇到很多错误，主要原因我认为是这个caffe_train有点过时了，里面的部分源码都是很老版本的caffe中的。而我们所用的一些...
评论
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