关于centernet部署

1. 版本配置:

pip install torch-0.4.1-cp36-cp36m-linux_x86_64.whl pip install torchvision==0.1.6

2. 安装CUDNN 版本705

2.1 解压文件:

cp cudnn-9.0-linux-x64-v7.solitairetheme8 cudnn-9.0-linux-x64-v7.tgz tar -zxvf cudnn-9.0-linux-x64-v7.tgz

2.2 并在解压出的cuda文件夹中打开终端，执行如下命令：

sudo cp include/cudnn.h /usr/local/cuda/include/ sudo cp lib64/lib* /usr/local/cuda/lib64/

2.3 建立软链接

cd cuda
在/usr/local/cuda/lib64目录下打开终端，执行如下指令：

sudo chmod +r libcudnn.so.7.0.5
sudo ln -sf libcudnn.so.7.0.5 libcudnn.so.7  
sudo ln -sf libcudnn.so.7 libcudnn.so     
sudo ldconfig

2.4 查看当前cudnn的版本

2.5 在终端输入

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

3. 查看torch对应的cuda版本

nvcc --version

import torch
print(torch.version.cuda)

4. 查看链接状况

ls -al|grep cudnn

5. 最后几步

sudo cp cuda/include/cudnn.h /home/z/anaconda3/envs/CenterNet/include 
sudo cp cuda/lib64/libcudnn* /home/z/anaconda3/envs/CenterNet/lib
sudo chmod a+r /home/z/anaconda3/envs/CenterNet/include/cudnn.h /home/z/anaconda3/envs/CenterNet/lib/libcudnn*
cd /home/z/anaconda3/envs/CenterNet/lib

6. 实际跑程序的时候注意事项:

  * 所有图片都放在images下
  * 下次弄得时候,xml文件的path还是改改吧
  * 均值和偏差计算是基于所有的数据集的,具体程序在(/home/z/CenterNet/src/lib/datasets/dataset)里

最后

训练:

python main.py ctdet --exp_id coco_dla --batch_size 4 --master_batch 1 --lr 1.25e-4  --gpus 0 --resume

test:

python test.py --exp_id coco_dla --not_prefetch_test ctdet --load_model ../exp/ctdet/coco_dla/model_best.pth

实验:

python demo.py ctdet --demo ../images/21.jpg  --load_model ../exp/ctdet/coco_dla/model_best.pth --test_scales 0.5,0.75,1.0,1.25,1.5