针对cuda 11.2 配置paddlepaddle环境并运行paddleDetection项目

参考
https://paddledetection.readthedocs.io/tutorials/INSTALL_cn.html
https://blog.csdn.net/yzl819819/article/details/104336990

一. 在anaconda下新建paddle环境

1. 新建虚拟环境

conda create -n paddle_env python=3.8

image.png

2. 激活虚拟环境，并在此环境中进行paddle安装

conda activate paddle_env

3. 输入命令，安装paddle环境

conda install paddlepaddle-gpu==2.1.3 cudatoolkit=11.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge

image.png

image.png

4. 测试是否安装成功

在您的Python解释器中确认PaddlePaddle安装成功

import paddle.fluid as fluid
fluid.install_check.run_check()

确认PaddlePaddle版本

python -c "import paddle; print(paddle.version)"

image.png

二、安装依赖 CoCo-API

若Cython未安装，请安装Cython

pip install Cython

image.png

由于原版cocoapi不支持windows，采用第三方实现版本，该版本仅支持Python3

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

问题1：缺少git

image.png

安装git，但使用pip install git有问题

image.png

改用 conda install git 成功

image.png

问题2：无法访问网站

再次运行pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI，无法访问此网站

image.png

解决方法：参考https://blog.csdn.net/gbz3300255/article/details/97103621/，将https改为git
即，运行

pip install git+git://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

image.png

三、安装PaddleDetection

1.克隆代码

git clone https://github.com/PaddlePaddle/PaddleDetection.git

2.根据PaddleDetection安装依赖

image.png

pip install -r requirements.txt

image.png

问题3 cython-bbox包安装不上

image.png

运行了pip install -r requirements.txt，只有cython-bbox包安装不上

参考https://blog.csdn.net/weixin_40912987/article/details/106427313解决方法

image.png

(paddle_env) E:\WT\PaddleDetection\cython_bbox-0.1.3>python setup.py build_ext install

安装成功

image.png

使用conda list查看一下

image.png

3.测试是否配置成功

python ppdet/modeling/tests/test_architectures.py

问题4：没有这个模块

image.png

但项目路径里是有的

image.png

原因在于test_architectures.py，在上面加两行

import sys
sys.path.append(r"E:\WT\PaddleDetection")

image.png

再次运行，成功

image.png

4.预训练模型测试

python tools/infer.py -c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml -o use_gpu=true weights=./ppyolo_r50vd_dcn_1x_coco.pdparams --infer_img=demo/000000014439.jpg

完成

image.png

同时在output文件夹找到结果

image.png

四、训练自己的代码

1.将voc格式转好的数据集拷贝过去

image.png

2.修改此文件中的路径

（1）PaddleDetection\configs\ppyolo_base_\ppyolov2_r50vd_dcn.yml

原来是一个网址

image.png

（2）E:\WT\PaddleDetection\configs\datasets\voc.yml
里面的dataset/voc 改成自己的数据集 dataset里的信息，路径、类别等等
原来的：

image.png

修改后：

image.png

（3）修改E:\WT\PaddleDetection\configs\ppyolo_base_\optimizer365e.yml

3 生成自适应的anchor

python tools/anchor_cluster.py -c configs/ppyolo/ppyolov2_r50vd_dcn_voc.yml -n 9 -s 640 -m v2 -i 1000

image.png

4 开始训练

python tools/train.py -c configs/ppyolo/ppyolov2_r50vd_dcn_voc.yml

等待

image.png