GPU服务器上的FasterRCNN-tf版配置和demo运行

本文详细记录了在GPU服务器上配置FasterRCNN-tf的过程,包括SSH连接服务器、环境配置、项目布置与修改、安装COCO数据库、下载预训练模型并运行DEMO。在DEMO运行中,由于服务器命令行环境,对matplotlib进行了特殊处理,以保存而非显示结果图片。最后,通过FileZilla进行文件管理,下载测试结果。

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

在服务器上配置FSRCNN的运行

之前的工作以及demo以及实验都是在实验室的PC上完成的,由于硬件的限制,缺少GPU,无法进行接下来的工作,所以进行项目迁移,对整个项目迁移到GPU服务器上进行,在此记录整个的迁移和配置过程

服务器连接

由于安全性保护问题,实验室的GPU服务器连接只能使用ssh登录的方式来进行。ssh登录的方式并不对本机的操作系统作任何要求,无论是Win10,Linux还是MacOS都可以直接使用,相当于通过ssh远程连接到服务器的操作系统当中。当然前提是服务器和本机已经配置了ssh。
在Win10中为开发者准备了最基础的命令行工具,通过右击左下角的win标志,选择Windows PowerShell即可打开
在Linux(Ubuntu)或者MacOS中,直接打开终端\命令行,输入ssh登录指令即可
通过ssh登录的方式如下:
ssh -p [port] root@233.233.233.233
以上的登录命令中,ssh是登录方式,-p [port] 是指定ssh的登录窗口,root是登录用户名,视自己情况修改,233.233.233.233为服务器IP,视情况修改。比如需要ssh登录,用名为sshuser的用户身份到101.10.10.1的23端口,就输入
ssh -p 23 sshuser@101.10.10.1
在第一次登录服务器时会选择是否将其ssh加入到信任名单中,输入yes即可完成连接。之后就进入了服务器的操作系统中。

服务器基本配置

实验室提供的服务器的操作系统为Ubuntu16.04,安装的GPU为NVIDIA GTX 1080Ti,已经安装好了CUDA(Ver 9.2)和CUDNN,此处不做重复工作,而剩下的各种软件环境还没有完成配置。
在开始部署项目前,先做好以下软件配置
1.anaconda3的安装:
下载安装anaconda

评论 14
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