DAMODEL平台 | 0基础带你上手经典目标检测模型 Faster-Rcnn

🍋1 引言

DAMODEL(丹摩智算)是专为 AI 打造的智算云,致力于提供丰富的算力资源与基础设施助力 AI 应用的开发、训练、部署。
在这里插入图片描述

🍋2 平台优势

  • 💡 超友好!

配备 124G 大内存和 100G 大空间系统盘,一键部署,三秒启动,让 AI 开发从未如此简单!

  • 💡 资源多!

从入门级到专业级 GPU 全覆盖,无论初级开发还是高阶应用,你的需求,我们统统 Cover!

  • 💡 性能强!

自建 IDC,全新 GPU,每一位开发者都能体验到顶级的计算性能和专属服务,大平台值得信赖!

  • 💡 超实惠!

超低价格体验优质算力服务,注册即送优惠券!还有各类社区优惠活动,羊毛薅不停!

🍋3 丹摩平台服务器配置教程

进入控制台-GPU云实例,点击「创建实例」可以快速查看目前提供的算力型号和规格,对于经过跑模型的老用户根据自己实际情况进行选择即可,对于我们新用户来说,必须选最好的4090!!!
在这里插入图片描述
在创建GPU云容器页面您可以:

  • 选择计费方式:按量计费、包日、包月
  • 选择合适的配置与主机
  • 选择GPU数量
  • 扩容数据盘
  • 选择镜像
  • 选择密钥对
  • 选择完成后即可付费创建云容器

对此官方还贴心的出了一个注意事项

在这里插入图片描述

🍋4 实操案例( Faster-rcnn 项目)

这里我们可以选择pytorch2.1.2
在这里插入图片描述
之后别忘了创建密钥对名称
在这里插入图片描述

完成创建即可
在这里插入图片描述
接下来我们把服务器访问密码贴出来

ssh -p 39479 root@cn-north-b.ssh.damodel.com
CcmfyHWGnI

接下来我们使用WindTerm进行连接服务器
在这里插入图片描述
之后我们按照步骤下一步输入密码即可,就完成连接
在这里插入图片描述

🍋4.1 文件处理

首先将我们的代码文件拖入目录下,然后进行解压在这里插入图片描述

unzip mmdetection-3.3.0.zip

解压过程如下图所示

在这里插入图片描述

🍋4.2 环境配置·

# 安装mmcv包
pip install mmcv==2.1.0 -f https://download.openmmlab.com/mmcv/dist/cu121/torch2.1/index.html -i https://mirrors.aliyun.com/pypi/simple/

# 从源码安装mmdetection-3.3.0
cd mmdetection-3.3.0
pip install -r requirements/build.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install -v -e ./ -i https://pypi.tuna.tsinghua.edu.cn/simple/

# 安装必要包
pip install numpy==1.24.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install setuptools==69.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install instaboostfast -i https://pypi.tuna.tsinghua.edu.cn/simple/

# 安装全景分割依赖panopticapi
cd panopticapi
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/
cd ..

# 安装 LVIS 数据集依赖
cd lvis-api
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/
cd ..

# 安装 albumentations 依赖
pip install -r requirements/albu.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install mmengine -i https://pypi.tuna.tsinghua.edu.cn/simple/

这里我们选择逐行处理哦
在这里插入图片描述
在这里插入图片描述

接下来我们进行简单的测试

python 1.py

结果自然是对的啦
在这里插入图片描述

🍋4.3 训练模型

这里我们选择直接输入接即可

python ./tools/train.py ./checkpoints/faster-rcnn_r50_fpn_1x_coco.py

过程示例图如下
在这里插入图片描述
训练完成
在这里插入图片描述

🍋4.4 数据保存并导出

在经过漫长的训练,我们得到pth权重,通过权重我们进而预测我们的数据集

python tools/test.py ./checkpoints/faster-rcnn_r50_fpn_1x_coco.py ./checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth --show-dir /root/workspace/mmdetection-3.3.0/result

结果保存到results文件夹
在这里插入图片描述

接下来选择result文件夹,导出本地文件,这里的下载速度也是嗷嗷快的
在这里插入图片描述

result文件夹部分文件
在这里插入图片描述
还是很不错的哦
在这里插入图片描述

最后我们记得保存镜像哦~~~
在这里插入图片描述

🍋5 结语

平台优势:

  1. 价格实惠,注册送福利
  2. 界面简洁,不花里胡哨
  3. 售后优质,及时有反馈
  4. 性能强大,4090带你飞

通过 DAMODEL 智算云的便捷服务,我们体验到了一种全新的开发与部署方式——从资源配置、环境搭建、模型训练到结果导出,每一步都得到了高效的支持。这里我们采用经典目标检测模型 Faster-Rcnn进行测试,后续我还将会使用不同的模型进行测试,欢迎关注~

挑战与创造都是很痛苦的,但是很充实。

### Faster R-CNN 训练与测试方法 #### 配置环境与准备数据集 为了顺利训练Faster R-CNN模型,在DAMODEL平台或其他环境中,需先准备好配置文件和数据集。这一步骤确保了后续训练过程中的参数设置以及数据输入的准确性[^1]。 ```bash # 准备工作目录并下载预设配置文件 mkdir checkpoints && cd checkpoints wget http://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster-rcnn_r50_fpn_1x_coco/faster-rcnn_r50_fpn_1x_coco.py ``` #### 开始训练模型 通过执行特定命令可以启动Faster R-CNN模型的训练流程。此过程中会调用`train.py`脚本,并指定所使用的配置文件路径作为参数传递给该脚本。 ```python import os os.system('python ./tools/train.py ./checkpoints/faster-rcnn_r50_fpn_1x_coco.py') ``` 上述代码片段展示了如何利用Python来触发训练操作,其中包含了指向具体配置文件(`faster-rcnn_r50_fpn_1x_coco.py`)的相对路径。 #### 修改迭代次数 对于希望调整训练或测试阶段迭代次数的情况,则需要编辑位于实验脚本内的相应Shell脚本文件。这些脚本通常命名为`train_faster_rcnn.sh`或`test_faster_rcnn.sh`,它们控制着整个训练周期内各轮次的具体数目[^2]。 ```shell #!/bin/bash export PYTHONPATH=$PYTHONPATH:$(pwd) # 设置最大迭代数为80000 MAX_ITER=80000 ./experiments/scripts/train_faster_rcnn.sh ${MAX_ITER} ``` 这段Shell脚本示范了怎样设定变量以改变默认的最大迭代数量至自定义值(此处为例程中展示的80,000),并通过传参方式将其应用于实际运行之中。 #### 使用PyTorch版本库 考虑到某些开发者可能更倾向于采用基于PyTorch框架构建的目标检测解决方案,存在专门为此目的设计的开源项目——`ShaoqingRen/faster_rcnn`。该项目不仅提供了完整的源码实现,还具备良好的文档支持和技术社区交流渠道,非常适合那些想要深入研究Faster R-CNN机制及其应用实践的学习者们[^3]。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

小馒头学python

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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