Simpledet安装配置，tridentnet训练自己的数据集

最新推荐文章于 2024-08-19 10:34:46 发布

置顶

马里奥奥利奥

最新推荐文章于 2024-08-19 10:34:46 发布

阅读量2.2k

点赞数 2

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/surserrr/article/details/100654545

本文档详细记录了如何在conda环境下安装SimpleDet项目，包括创建虚拟环境、安装CUDA和CuDNN、下载MXNet以及测试安装是否成功。之后，介绍了如何测试单张图片，并提供了测试代码。对于训练自定义数据集，文章说明了将数据集转换为COCO格式，修改配置文件以适应不同GPU数量和类别数，以及修复builder.py中的代码错误。通过这些步骤，可以成功训练自己的数据集。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

项目地址：https://github.com/TuSimple/simpledet

之前把项目里install里的各种方法都试了好几遍，都安装不好，差点就放弃了。前几天刚好更新了新的安装方法，成功安装，记录一下。

配置环境

conda创建虚拟环境（创建虚拟环境真的很重要，适合版本管理，而且万一失败了直接删了就完事了）

conda create -n simpledet python=3.6

激活虚拟环境

source activate simpledet

安装依赖

# install dependency
sudo apt update && sudo apt install -y git wget make python3-dev libglib2.0-0 libsm6 libxext6 libxrender-dev unzip

# install python dependency
pip3 install 'matplotlib<3.1' opencv-python pytz --user

安装cuda和cudnn，我的驱动最高下载cuda9.0，所以下了9.0，cuda的下载版本和下一步安装mxnet有关系。cudnn不用设置版本，在安装好cuda后会自动匹配版本。

conda install cudatoolkit=9.0
conda install cudnn

下载mxnet，在install.md的Setup Locally with Pre-built Wheel里选择适合你cuda的mxnet版本下载。

pip3 install <mxnet安装包本地地址> --user

ok，然后按照他教程后面继续装

# install pycocotools
pip3 install 'git+https://github.com/RogerChern/cocoapi.git#subdirectory=PythonAPI' --user

# install mxnext, a wrapper around MXNet symbolic API
pip3 install 'git+https://github.com/RogerChern/mxnext#egg=mxnext' --user

# get simpledet
git clone https://github.com/tusimple/simpledet
cd simpledet
make

测试有没有成功

# test simpledet installation
mkdir -p experiments/faster_r50v1_fpn_1x
python3 detection_infer_speed.py --config config/faster_r50v1_fpn_1x.py --shape 800 1333

如果输出了一串数字，没有报错就算成功了。

测试单张图片

测试代码如下，是在项目issue里面找的，加入了绘制bbox的代码。

import os, argparse
import importlib
import json
import time
import cv2
import numpy as np
import mxnet as mx
from core.detection_module import DetModule
from utils.load_model import load_checkpoint
from utils.patch_config import patch_config_as_nothrow

coco