FairMOT Linux配置问题

最新推荐文章于 2025-04-23 15:41:26 发布

原创最新推荐文章于 2025-04-23 15:41:26 发布 · 602 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能

这篇博客详细介绍了CUDA环境的配置步骤，包括如何通过nvcc-V检查版本并创建conda环境。在安装过程中遇到的pip安装lapack失败的问题，可以通过conda安装解决。此外，还讨论了DCN_v2依赖配置中遇到的g++错误，解决方案是安装build-essential包，并可能需要更换匹配pytorch版本的DCN_v2包。

部署运行你感兴趣的模型镜像

1、确定cuda版本，cuda可以下载多个，用nvcc -V查询当前版本（必须空格，最后一个V大写）根据版本创建环境 conda create -n FairMOT python 3.7 (我的cuda为10.0)

2、pip install -r requirments .txt

ERROR:Failed buliding wheel for lap 解决方法：

conda install -c conda-forge lap

3、DCN_v2配置错误：

subprocess.CalledProcessError_ Command '['which', 'g++']' returned non-zero exit status 1

解决方法：sudo apt-get install build-essential (需要root密码)

错误：error'/usr/bin/g++' failed with exit code 1

解决方法：DCNV2的包不匹配pytorch换一个匹配版本的包

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

张二牛

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

编译Pytorch Custom C++ and CUDA Extension出错问题

qq_31473097的博客

09-01

1348

做项目时用到了ICP算法，需要用到CUDA加速，但是编译Pytorch C++拓展时出错了。

pytorch geometric torch-scatter和torch-sparse安装报错问题解决

weixin_39925939的博客

06-05

2394

pytorch geometric 安装 torch_scatter和torch_sparse遇到g++报错后的解决方案

参与评论您还未登录，请先登录后发表或查看评论

无root权限安装CUDA10.0以及gcc的降级+FairMOT构建DCNv2踩坑记录

qq_51682716的博客

09-22

3032

首先介绍一下环境情况 NVIDIA-SMI 460.80 Driver Version: 460.80 CUDA Version: 11.2 Ubuntu20.04 GPU2080Ti CUDA10.0 因为使用的是服务器，以用户身份是没有root权限的 nvcc: NVIDIA ® Cuda compiler driver Copyright © 2005-2018 NVIDIA Corporation Built on Sat_Aug_25_21:08:01_CDT_2018 C

FairMOT配置（VS2019+Win10+CUDA11.0）

星空下的仰望者

05-07

4178

配置环境： Win10 VS2019 CUDA11.0 Pytorch1.7 配置步骤： 1、下载FairMOT： git clone --recursive https://github.com/ifzhang/FairMOT.git 2、使用anaconda创建并激活虚拟环境，安装pytorch1.7： conda create -n FairMOT python=3.8 conda activate FairMOT pip install torch==1.7.0+cu110 t

FairMOT环境搭建

Mazai-Liu的博客

10-28

369

环境搭建 FairMOT CenterTrack BuildTool Ninja RTX4060 GTX1650 cython-bbox DCnv2 cudatoolkit GPU Cuda

Xavier_NX（Xavier）配置CenterNet

ysten618的博客

07-14

1390

1.安装pytorch 下载torch-1.1.0-cp36-cp36m-linux_aarch64.whl sudo chmod -R 777 torch-1.1.0-cp36-cp36m-linux_aarch64.whl python3，用以下命令安装： pip3 install torch-1.1.0-cp36-cp36m-linux_aarch64.whl python2，用以下命令安装： pip install torch-1.1.0-cp36-cp36m-...

FairMot代码复现及测试

PuLaNa_的博客

09-07

2610

FairMot代码测试

Ubuntu18.04 搭建YOLOV4环境

tugouxp的专栏

08-01

3607

下载代码，编译 git clone https://github.com/AlexeyAB/darknet cd darknet make 下载预训练权重: 验证： caozilong@caozilong-Vostro-3268:~/Workspace/yolo/darknet$ ./darknet detector test ./cfg/coco.data ./cfg/yolov4.cfg ./yolov4.weights data/dog.jpg GPU isn't used ..

我现在成功装上lap==0.4.0版本了，但是运行后报错：Traceback (most recent call last): File "d:\yxzn\helpme\PaddleDetection\deploy\pptracking\python\mot\matching\jde_matching.py", line 65, in linear_assignment import lap File "C:\Users\Asus\AppData\Roaming\Python\Python38\site-packages\lap\__init__.py", line 16, in <module> from ._lapjv import ( File "_lapjv_src\\_lapjv.pyx", line 1, in init _lapjv ImportError: numpy.core.multiarray failed to import (auto-generated because you didn't call 'numpy.import_array()' after cimporting numpy; use '<void>numpy._import_array' to disable if you are certain you don't need it). During handling of the above exception, another exception occurred:RuntimeError: Unable to use JDE/FairMOT/ByteTrack, please install lap, for example: `pip install lap`, see https://github.com/gatagat/lap

04-02

还需要考虑系统环境，比如是否缺少某些系统级依赖，或者Python环境路径设置有问题，导致无法正确加载numpy的核心模块。但根据错误信息，更可能的是版本冲突。总结可能的解决方案步骤： - 更新pip和setuptools。 - ...

FairMOT Ubuntu18.04配置

weixin_41449637的博客

10-14

574

项目地址： https://github.com/microsoft/FairMOT 关键点：保证pytorch版本1.2.0,torchvision=0.4.0 cudatoolkit=10.0,尽量减少出错可能性；安装requirement之前，pip install cython,cython-bbox 安装DCNV2时，除了保证NVCC -V可查看版本，保证NVIDIA -Driver的正常使用，Cuda10.0需要去NVIDIA官网重新安装，保证有？usr/loacal/cuda-1

FairMOT安装

u010948546的博客

07-04

446

安装环境：CUDA：11.3 GCC version 9.5.0。

Ubuntu16.04 conda环境运行FaiMOT及相关配置

qq_41466376的博客

07-01

1194

前几天下载FairMOT项目也配置好相关环境今天想准备跑一下代码看看效果如何结果运行代码发现一下问题再跑kitti数据前，准备先测试一下项目提供的demo视频按照项目给的demo要求走 (FairMOT) ckq@ckq:~/git/FairMOT/src$ python demo.py mot --load_model ../models/all_dla34.pth --conf_thres 0.4 Traceback (most recent call last): File "

Python报错：error: command ‘/usr/bin/gcc‘ failed with exit code 1

最新发布

weixin_51118573的博客

04-23

632

使用服务器g++编译文件出现问题：error writing to /tmp/xxx 设备上没有空间、command '/usr/bin/g++' failed

安装wordcloud报错command ‘/usr/bin/gcc‘ failed with exit code 1

PingPingAngry的博客

07-20

9099

(1)pip install wordcloud 报错gcc: command ‘/usr/bin/gcc’ failed with exit code 1 (2)安装gcc 需要安装apple developer tools(Xcode)，下载文件过大会卡住 (3)安装apple developer tools 去苹果developer网页，搜索xcode添加链接描述选择command line tools for xcode (4)xocde安装需要更新mac系统至较新版本 App Store -&

fairmot参数配置

01-22

### FairMOT参数配置与优化 FairMOT作为一种高效的多目标跟踪算法，在处理视频中的车辆和其他移动物体方面表现出色。为了实现最佳性能，合理配置和调整FairMOT的各项参数至关重要。 #### 1. 数据预处理阶段的参数设定数据输入尺寸对于模型的表现有着直接影响。通常情况下，建议采用384×640这样的分辨率作为默认输入大小[^1]： ```python input_wh = (640, 384) # 输入图像宽高 ``` 此外，还需要考虑帧率的选择以及是否启用增强训练模式来提高泛化能力。 #### 2. 模型架构相关超参针对不同应用场景下的需求差异，可以适当修改骨干网络层数、特征图通道数等结构特性；同时也要注意平衡精度与速度之间的关系。例如，可以通过如下方式定义ResNet系列主干网层深： ```python arch = 'dla_34' # 或者'dla_34' ``` 这里选择了DLA(Dual Path Network)-34版本作为基础框架之一。 #### 3. 训练过程中的关键因素学习率衰减策略、批量样本数量(batch size)、迭代次数(epochs)都是影响最终效果的重要变量。一般推荐初始学习率为`1e-4`左右，并随着训练进程逐渐降低至更小值域内波动。关于batch size，则取决于硬件资源情况而定，较大的数值有助于加快收敛速率但会占用更多显存空间。 ```python lr_step = [20, 45] num_epochs = 70 batch_size = 12 learning_rate = 0.0001 ``` 上述设置适用于大多数常规环境，但在特定条件下可能需要进一步微调以达到理想状态。 #### 4. 后处理逻辑里的阈值控制最后一步涉及到了NMS(non-maximum suppression)非极大抑制操作及其对应的置信度分数界限(confidence threshold)，这决定了哪些预测框会被保留下来参与后续分析计算。较低的confidence score可能导致过多噪声干扰，反之则容易遗漏真实存在的对象实例。 ```python conf_thres = 0.4 nms_thres = 0.5 ``` 通过以上几个方面的综合考量并不断试验对比，能够帮助找到最适合当前任务特点的一组FairMOT工作参数组合方案。