py-faster-rcnn在windows下安装

本文介绍如何配置基于VS2013、Anaconda2及GTX970显卡的RCNN训练环境,包括改造caffe-rfcn以支持cudnn5、替换SmoothL1Layer文件及编译py-faster-rcnn的lib等步骤。

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

准备好vs2013+anaconda2+好点的显卡(比如GTX970)

先改造caffe-rfcn以支持cudnn5,得到caffe-rfcn-cudnn5:替换个别代码文件和代码;改.props

再用rbg的py-faster-rcnn所依赖的caffe-py-faster-rcnn(这个名字我自己起的,方便区分),里面的SmoothL1Layer的3个文件替换caffe-rfcn-cudnn5的

再编译py-faster-rcnn的lib,先前装了vc9for python要卸掉,gpu_nms.cu从github上找。py代码的param_str_->param_str

成功后训练需要~1800M显存,训练和测试同时执行需要~2600M显存

评论
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