FPN环境配置

github源码地址:https://github.com/unsky/FPN

作者写的不是很详细:

1、

#进入FPN目录下caffe-fpn 
cd caffe-fpn  
mkdir build
cd build
cmake ..
make -j16 all
cd /FPN/lib   #此处进入的应该是FPN目录下的lib
make 

2、数据集和Makefile.config根据faster进行修改和下载

      在FPN/experiments/下如果没有logs文件夹则需要自己新建

其他按照github上说明进行即可。

搭建过程中遇到的问题:

 1、执行.sh文件时提示权限不够

chmod -R 777 /home/folder   #修改文件夹权限及其所有的子文件

2、错误提示:ImportError: No module named skimage.io 如下图

解决方法:

sudo apt-get install python-skimage

 

### 配置Mask R-CNN在Python环境中运行 #### 创建并激活虚拟环境 为了确保项目的兼容性和稳定性,建议创建一个新的Conda环境来安装和配置Mask R-CNN所需的软件包。对于此目的,可以使用如下命令: ```bash conda create -n MaskRCNN python=3.6 source activate MaskRCNN ``` 这会建立一个名为`MaskRCNN`的新环境,并将其设置为当前活动的工作空间[^2]。 #### 获取项目源码 根据所选框架的不同(PyTorch或Keras/TensorFlow),可以从相应的Git仓库克隆最新的代码库到本地机器上。例如,针对基于PyTorch实现的版本,可以通过下面的方式获取最新版源码: ```bash git clone https://gitcode.com/gh_mirrors/ma/Mask_RCNN_Pytorch.git cd Mask_RCNN_Pytorch ``` 而对于采用Keras与TensorFlow构建的应用,则应访问另一个特定链接以获得其资源[^1][^3]。 #### 安装依赖项 进入目标目录之后,下一步就是按照官方文档指示安装必要的第三方库。通常情况下,这些需求会被记录在一个叫做`requirements.txt`的文件里。通过执行以下指令即可自动完成大部分所需组件的部署工作: ```bash pip install -r requirements.txt ``` 然而,在某些特殊情形下可能会遇到一些预想不到的技术难题。比如当尝试移除像"Werkzeug"这样的Anaconda默认集成模块时遇到了困难——即无法直接利用`pip`工具来进行操作。此时应当改用`conda`命令行选项作为替代方案: ```bash conda uninstall Werkzeug ``` 重复上述过程直至所有必需品都已妥善安置到位为止[^5]。 #### 开始训练模型 一旦所有的准备工作均已就绪,就可以着手准备启动实际的任务流程了。假如打算依据给定参数集开展一轮完整的实验周期,那么只需简单调用内置脚本便可轻松达成这一目标: ```bash python tools/train_net.py --config-file configs/caffe2/e2e_mask_rcnn_R_50_FPN_1x_caffe2.yaml ``` 这条语句将会读取指定路径下的配置档案,并据此指导整个学习进程的发展方向[^4]。
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