faster-rcnn实验-pytorch版本编译安装

最新推荐文章于 2025-06-09 16:14:32 发布
最新推荐文章于 2025-06-09 16:14:32 发布
阅读量1.4k 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： Pytorch学习 目标检测实验笔记资料 文章标签： faster rcnn pytorch gcc make
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/tsq292978891/article/details/80745180
本文介绍如何将Faster R-CNN的PyTorch实现从支持CUDA 9.0调整到CUDA 8.0，包括版本回退、修改CUDA路径设置以及解决GCC版本问题的具体步骤。

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

Github：https://github.com/jwyang/faster-rcnn.pytorch.git
对应的commit：0e6f131c72ca9c9ac30750972a2a2515a77f2635 Merge pull request #180 from Frostinassiky/patch-1

问题1：
git clone的时候，由于作者一直在更新，目前的版本是支持cuda9.0的，想用cuda8.0的话，需要进行版本回退。

git reset --hard 0e6f131c72ca9c9ac30750972a2a2515a77f2635

问题2：
CUDA_PATH问题，需要修改make.sh文件，把第三行改为：
CUDA_PATH=”/usr/local/cuda-8.0/” # 根据自己安装CUDA的路径来改。

问题3：
GCC版本的问题。
error: ‘for’ loop initial declarations are only allowed in C99 mode
参考链接：https://blog.youkuaiyun.com/imyang2007/article/details/8296331
本机的gcc版本为4.8.5，编译标准为c89，需要在for循环之前定义循环变量。
由于报错的文件不多，因此找到那个文件，然后把for循环改一下就OK。
也可以把gcc换成c99标准。

Windows下编译fast rcnn
happynear的专栏
07-09 2万+
一、准备 caffe-windows：https://github.com/happynear/caffe-windows。如果你的caffe-windows版本是2015/07/09之前下载的，请重新下载并重新编译。重新编译时请首先编译python接口，因为马上就要用到。主程序和matlab接口可以有空的时候再编译。 fast r-cnn：https://github.com/rbgirshick
Pytorch版faster rcnn的安装、配置与测试
热门推荐
冬泉谷
08-10 1万+
Pytorch作为一个较新的开源框架，十分简洁好用，完全不亚于Tensorflow等成熟框架。 最近在学习Faster R-CNN, 发现Pytorch版本的资料不多，所以在这里记录与分享下自己安装配置Pytorch版本的faster cnn的过程。过程是搬运+翻译的说明文档，增加了一些细节性的东西和报错解决。 这里我用的是github上ruotianluo开源的代码:pytorch-fast...
目标检测Faster R-CNN教程之环境配置+训练模型Pytorch版
最新发布
笑脸惹桃花的博客
06-09 1044
深度学习目标检测Faster R-CNN基础教程之环境配置+训练模型
使用pytorch搭建faster RCNN
weixin_35752233的博客
01-03 903
好的。下面是使用 PyTorch 搭建 Faster R-CNN 的步骤： 安装 PyTorch 和其他必要的库：NumPy、scikit-learn 和 scikit-image。 下载或构建 Faster R-CNN 所需的数据集。 导入所需的包，包括 PyTorch 中的包和用于图像处理和可视化的包(如 matplotlib)。 构建 Faster R-CNN 网络。这可以通过调用 ...
Faster RCNN pytorch编译问题
m0_37644085的博客
11-09 1498
1.要先编译faster rcnn 错误1：error: no commands supplied ~/HelloWorld/RCNN/faster_rcnn_pytorch-master/faster_rcnn$ python setup.py usage: setup.py [global_opts] cmd1 [cmd1_opts] [cmd2 [cmd2_opts] ...] ...
windows下编译py-faster-rcnn
foreverx2mr的博客
07-12 1989
windows下使用python-faster-rcnn，需要在官方版本上做一些修改。 主要是lib文件夹下的代码编译，需要修改一些代码。 具体参考： https://github.com/MrGF/py-faster-rcnn-windows 如有问题，欢迎留言~
复现faster-rcnn（jwyang的pytorch版本）
m0_54088522的博客
01-07 1673
复现的是github上比较火的wyang版本，本地环境Ubuntu20.04+python3.6+pytorch1.5.1+cuda10.1autodl上的环境是Ubuntu20.04+python3.6+pytorch1.10.0+cuda11.3，两者都成功。
配置faster-rcnn pytorch1.0.0版本实现faster R-CNN
qq_38261075的博客
12-27 3386
在GitHub - jwyang/faster-rcnn.pytorch at pytorch-1.0下载项目。 （切记：一定是1.0分支下，不是master主分支下，因为只有1.0分支下才支持pytorch-1.0） 可大致参考：pytorch 1.0实现faster R-CNN，检验自己的数据集_Soul·Top的博客-优快云博客 不过呢，就不用先下载再切换分支了，直接在1.0分支下下载就行。 注意两个问题： （1）若按照官方Github给出的步骤在lib文件夹下执行 python
Faster-RCNN.Pytorch的使用
ThunderF的博客
09-02 6375
文章目录慈善GPUGoogle云一、克隆仓库二、创建数据文件夹三、下载数据四、下载预训练模型五、上传到Google云盘六、编译七、训练八、测试九、运行demo 慈善GPU   Google大大免费开放了GPU给全世界使用相信很多人已经知道了，那么我们把Goolge云和慈善GPU结合起来使用简直不要太方便！再也不用排队等待老板的GPU了！   有效利用慈善GPU跑模型需要两个条件：1、Goolge账...
Win10 faster-rcnn pytorch1.0入坑记录及数据集准备
01-20
环境：win10 py36 cuda10 pytorch1.0 源代码：pytorch1.0 ...也可以去源码的issue将faster-rcnn.pytorch-pytorch-1.0\lib\model\csrc\cuda中的两个ROIXXXXX.cu进行修改。 要修改的就是这两个.cu文件的dim3 gri
Faster-RCNN.pytorch的搭建、使用过程个人记录（适配PyTorch 1.0以上版本）
weixin_44398211的博客
04-08 2353
Faster-RCNN.pytorch的搭建、使用过程个人记录前言faster-rcnn pytorch代码下载faster-rcnn pytorch配置过程合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 前言 本文主要记录（1）如何跑通源
深度学习之旅---Pytorch搭建Faster RCNN目标检测平台（环境搭建篇）
qq_37972108的博客
10-13 2201
深度学习之旅---Pytorch搭建Faster RCNN目标检测平台（环境搭建）下载安装Cuda安装torch安装opencv 下载安装Cuda 安装torch qusiba 在这里插入代码片 安装opencv
windows下pytorch版faster rcnn代码使用
图像处理博客
02-24 9321
faster rcnn_pytorch代码使用 使用ruotian的代码，但是原github上是linux环境下的。这里尝试windows下的使用。 compile modules问题调试 安装步骤中 Compile modules(nms, roi_pooling, and roi_align(from facebookresearch/maskrcnn-benchmark)): cd py...
Windows 实现 Faster R-CNN 编译
weixin_43318717的博客
01-03 1400
系统：win10家庭版 显卡：GTX1660Ti 驱动版本：441.22 cuda版本：10.2.89 cudnn版本：7.6.5.32 tensorflow-gpu版本：1.13.1 opencv-python版本：3.4.2 cython easydict matplotlib scipy Pillow 1.安装cuda、cudnn 参考：https://blog.csdn.net/u013...
Faster-rcnn.pytorch编译问题error: command'...\\CUDA\\v9.0\\bin\\nvcc.exe' failed with exit status 1
FlowerStar314的博客
12-16 4749
参考代码：https://github.com/potterhsu/easy-faster-rcnn.pytorch 最近在实现Faster RCNN过程中，遇到了不少问题，最令人头疼的问题就是很多GitHub上的源码都在linux系统下编译的，windows系统上会报错，尤其是需要编译C++模块时。 运行easy-faster-rcnn.pytorch-master/support/setup....
Pytorch faster rcnn 三个系统版本运行情况说明
ewqapple的博客
09-07 1500
可能由于闲来无聊，我们将windows linux macos 三大系统的faster Rcnn 的pytorch 版本配置好了。然后做了性能比较。 由于MacOS 采用N卡的web driver 所以确实可以看到，性能很渣，实时检测来说，只能达到 8-9fps.  win 下可以达到 14-15 而Ubuntu 下就可以达到17-18fps  比win 10 下略高。 可能由于ubuntu...
毕设日志——pytorch版本faster rcnn运行代码前的环境配置2019.4.9
petSym的博客
04-09 1562
准备测试的代码是： https://github.com/jwyang/faster-rcnn.pytorch 讲解：https://hellozhaozheng.github.io/z_post/PyTorch-FasterRCNN/ 一、查看Ubuntu版本 使用命令：lsb_release -a 输出： jingge@svr1:~$ lsb_release -a No LSB mo...
faster_rcnn编译及训练
Lisatiy的博客
06-10 443
第一部分：caffe-master/include/caffe/util 下面的cudnn.hpp以及 caffe-my/src/caffe/util 对应的cpp 文件：cudnn.cpp第二部分：caffe-master/include/caffe/layers下面的hpp文件第三部分：caffe-master/src/caffe/layers样的对应的cpp文件和cu文件：按照正常的cmak...
pytorch安装及faster-rcnn.pytorch使用记录
forever_zzx的专栏
10-13 357
目前所处的办公环境限制较多，对搭建开发环境造成较大阻碍，在安装pytorch时, pip和conda库不能及时更新，很多时候需要手动安装。在这样的背景下，本文记录pytorch和faster-rcnn.pytorch 的在使用过程中的问题。 1. pytorch的安装 pytorch的安装首先需要确定安装的版本，其次要明确当前cuda的版本，最后还要知道所使用的python版本。一般来讲，如果使用官方库安装，安装的pytorch应该是在对应版本的cuda下编译的，但是由于本人所处的环境，pip和conda库
假如你是一个大学深度学习方面的教授，你的学生在学习使用faster-rcnn，但是他的电脑上面还没有需要部署，他的电脑是Win11，没有独立显卡就一个intel的770，下载了cpu版本的pytorch，如何在他的电脑上下载安装并且配置faster-rcnn所需要的环境
02-22
<think>嗯，用户是一个大学生，正在学习使用Faster R-CNN，但电脑是Win11，没有独立显卡，只有Intel的770集成显卡。已经下载了CPU版本的PyTorch，现在需要安装配置Faster R-CNN的环境。首先，我需要理清Faster R-CNN的环境依赖和可能的安装问题。 首先，Faster R-CNN通常需要PyTorch、torchvision，还有一些依赖库比如OpenCV、matplotlib等。用户已经安装了CPU版的PyTorch，但可能需要确认版本是否兼容。接下来，Faster R-CNN的实现可能有不同的代码库，比如官方的或者mmdetection，或者其他第三方实现。不同的代码库可能有不同的安装步骤，所以需要确定用户用的是哪个版本。 然后，Windows系统下安装一些依赖项可能会有问题，比如pycocotools，这个库在Windows上安装需要额外的步骤，可能需要从GitHub上的非官方仓库安装。另外，编译依赖项可能需要Visual Studio Build Tools，特别是C++的编译环境，比如安装C++构建工具。 用户没有独立显卡，所以CUDA相关的部分可以忽略，但需要确保所有代码都设置为CPU模式。可能需要在代码中修改device参数，或者设置环境变量，让PyTorch不使用CUDA。 另外，可能需要安装其他库，比如cython、scipy、pillow等，这些可以通过pip安装。需要列出所有必要的依赖项，并给出安装命令。 安装步骤可能包括：创建虚拟环境，安装PyTorch CPU版本，安装torchvision，安装pycocotools（可能需要特定命令），克隆Faster R-CNN的代码库，安装依赖项，最后测试安装是否成功。 还有可能遇到的问题，比如版本冲突，这时候需要指定库的版本号。例如，某些版本的torchvision可能与PyTorch版本不兼容，需要对应版本。用户可能已经安装了PyTorch，但需要确认版本是否正确，比如PyTorch 1.8.0+CPU和torchvision 0.9.0的组合。 总结下来，步骤大致是： 1. 安装Python环境，建议使用Anaconda管理。 2. 创建并激活虚拟环境。 3. 安装PyTorch CPU版本和对应的torchvision。 4. 安装其他依赖库，如numpy、matplotlib、opencv-python。 5. 安装pycocotools，可能需要使用特定命令。 6. 克隆Faster R-CNN代码库，并安装所需依赖。 7. 修改代码中的设备设置为CPU。 8. 测试运行，确保没有错误。 需要详细检查每个步骤可能遇到的问题，比如pycocotools在Windows上的安装，可能需要从Github的whl文件安装。另外，代码中可能需要将所有的.cuda()调用改为CPU，或者设置device = torch.device('cpu')。 可能还需要处理一些路径问题，或者文件路径中的空格导致的问题，比如项目路径最好全英文无空格。此外，数据集可能需要正确配置路径，比如VOC或COCO数据集的位置。 用户可能需要指导如何下载预训练模型，并在CPU上加载，注意有些预训练模型可能需要调整参数，避免尝试加载CUDA tensor到CPU上。 最后，测试时建议先用小的数据集或示例代码，验证环境是否配置正确。如果有错误，需要根据错误信息排查，比如缺少库、版本不匹配等。</think>在 Windows 11 系统下使用 CPU 版本的 PyTorch 部署 Faster R-CNN 环境，可以按以下步骤操作： --- ### **一、基础环境准备** 1. **安装 Python** - 推荐 Python 3.8-3.10（兼容性较好） - 从 [Python官网](https://www.python.org/) 下载安装包，勾选 `Add Python to PATH` 2. **安装 Anaconda（可选但推荐）** - 使用 Anaconda 管理虚拟环境： ```bash conda create -n fasterrcnn python=3.8 conda activate fasterrcnn ``` --- ### **二、安装 PyTorch CPU 版本** 1. **PyTorch 和 Torchvision** - 访问 [PyTorch 官网](https://pytorch.org/)，选择 CPU 版本安装命令。例如： ```bash pip install torch==1.13.0+cpu torchvision==0.14.0+cpu -f https://download.pytorch.org/whl/torch_stable.html ``` - 验证安装： ```python import torch print(torch.__version__) # 应输出 1.13.0 print(torch.cuda.is_available()) # 应为 False（表示使用 CPU） ``` --- ### **三、安装 Faster R-CNN 依赖库** 1. **基础依赖** ```bash pip install numpy matplotlib opencv-python scipy tqdm pillow ``` 2. **安装 pycocotools（用于 COCO 数据集）** - Windows 需使用预编译版本： ```bash pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI ``` --- ### **四、获取 Faster R-CNN 代码** 1. **克隆代码库** - 推荐使用官方或社区实现（如 [pytorch-faster-rcnn](https://github.com/ruotianluo/pytorch-faster-rcnn)）： ```bash git clone https://github.com/ruotianluo/pytorch-faster-rcnn.git cd pytorch-faster-rcnn ``` 2. **安装代码库依赖** ```bash pip install -r requirements.txt ``` --- ### **五、配置 Faster R-CNN 为 CPU 模式** 1. **修改代码中的设备设置** - 在代码中找到所有 `.cuda()` 或 `device='cuda'` 的调用，替换为 `device='cpu'`。 - 示例修改： ```python # 原代码 device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') # 修改为 device = torch.device('cpu') ``` 2. **禁用 CUDA 相关代码** - 确保所有模型加载时使用 `map_location='cpu'`： ```python model.load_state_dict(torch.load('model.pth', map_location='cpu')) ``` --- ### **六、测试环境** 1. **运行示例代码** - 使用简单的测试脚本或代码库提供的 demo： ```python from model.faster_rcnn import FasterRCNN model = FasterRCNN().to('cpu') print("模型加载成功！") ``` 2. **处理数据集（可选）** - 若需训练/测试，下载 VOC 或 COCO 数据集，并在配置文件中指定路径。 --- ### **常见问题解决** - **错误：缺少 C++ 编译工具** - 安装 [Microsoft C++ Build Tools](https://visualstudio.microsoft.com/visual-cpp-build-tools/)，勾选 “C++ 桌面开发”。 - **错误：库版本冲突** - 使用 `pip install 库名==版本号` 指定兼容版本（如 `numpy==1.21.0`）。 - **警告：CUDA 不可用** - 确认代码中已强制使用 CPU，并忽略 CUDA 相关警告。 --- ### **附加建议** 1. **使用轻量化模型**（如 MobileNet 主干网络）减少 CPU 压力。 2. **简化输入尺寸**（如 `300x300`）提升推理速度。 3. **监控资源占用**：任务管理器中观察 CPU 和内存使用情况。 按此流程操作后，学生应能在 Intel UHD 770 的 Win11 电脑上运行 Faster R-CNN。如果遇到具体错误，可根据提示进一步排查依赖或代码兼容性问题。
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