Faster R-CNN tensorflow版,使用cpu运行demo.py的步骤

本文档详细记录了在无GPU环境下,使用TensorFlow实现的Faster R-CNN进行物体检测的步骤,包括环境配置、代码下载、配置修改、编译、安装COCO API、运行Demo及加载预训练模型等过程,解决了nvcc找不到的错误问题。

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

官方给出的Faster R-CNN的代码是caffe框架下的,我对caffe不是很了解,一直用的是tensorflow环境,所以去网上找了一下用tensorflow实现的Faster R-CNN。找到了一篇博客https://blog.youkuaiyun.com/sinat_33486980/article/details/81045315,作者使用的是一个github上Xinlei Chen的tensorflow版本的faster rcnn代码。这里贴出github链接https://github.com/endernewton/tf-faster-rcnn首先,按照博客里面作者的步骤,一步步实现,但是我是在自己的台式机上跑的,没有GPU,因此需要做一些修改。下面走一遍整个流程,记录下踩过的坑。

将博客https://blog.youkuaiyun.com/sinat_33486980/article/details/81045315 分享给大家

1.本机环境

ubuntu16.04无GPU

tensorflow版本是1.5.0

python版本3.6 (anaconda安装,虽然系统自带python,但是使用anaconda安装可以一次性将大部分机器学习中用到的包装好,所以建议使用anaconda安装)

cython版本0.29

opencv-python 3.4.4.19

easydict版本1.9

2.下载github项目代码和数据

git clone https://github.com/endernewton/tf-faster-rcnn.git</

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
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