丹摩征文活动 | 0基础带你上手经典目标检测模型 Faster-Rcnn

文章目录

🍋1 引言
🍋2 平台优势
🍋3 丹摩平台服务器配置教程
🍋4 实操案例（ Faster-rcnn 项目）
- 🍋4.1 文件处理
- 🍋4.2 环境配置·
- 🍋4.3 训练模型
- 🍋4.4 数据保存并导出
🍋5 结语

🍋1 引言

DAMODEL（丹摩智算）是专为 AI 打造的智算云，致力于提供丰富的算力资源与基础设施助力 AI 应用的开发、训练、部署。
在这里插入图片描述

🍋2 平台优势

💡 超友好！

配备 124G 大内存和 100G 大空间系统盘，一键部署，三秒启动，让 AI 开发从未如此简单！

💡 资源多！

从入门级到专业级 GPU 全覆盖，无论初级开发还是高阶应用，你的需求，我们统统 Cover！

💡 性能强！

自建 IDC，全新 GPU，每一位开发者都能体验到顶级的计算性能和专属服务，大平台值得信赖！

💡 超实惠！

超低价格体验优质算力服务，注册即送优惠券！还有各类社区优惠活动，羊毛薅不停！

🍋3 丹摩平台服务器配置教程

进入控制台-GPU云实例，点击「创建实例」可以快速查看目前提供的算力型号和规格，对于经过跑模型的老用户根据自己实际情况进行选择即可，对于我们新用户来说，必须选最好的4090！！！
在这里插入图片描述
在创建GPU云容器页面您可以：

选择计费方式：按量计费、包日、包月
选择合适的配置与主机
选择GPU数量
扩容数据盘
选择镜像
选择密钥对
选择完成后即可付费创建云容器

对此官方还贴心的出了一个注意事项

在这里插入图片描述

🍋4 实操案例（ Faster-rcnn 项目）

这里我们可以选择pytorch2.1.2
在这里插入图片描述
之后别忘了创建密钥对名称

完成创建即可
在这里插入图片描述
接下来我们把服务器访问密码贴出来

ssh -p 39479 root@cn-north-b.ssh.damodel.com
CcmfyHWGnI

接下来我们使用WindTerm进行连接服务器
在这里插入图片描述
之后我们按照步骤下一步输入密码即可，就完成连接

🍋4.1 文件处理

首先将我们的代码文件拖入目录下，然后进行解压在这里插入图片描述

unzip mmdetection-3.3.0.zip

解压过程如下图所示

在这里插入图片描述

🍋4.2 环境配置·

# 安装mmcv包
pip install mmcv==2.1.0 -f https://download.openmmlab.com/mmcv/dist/cu121/torch2.1/index.html -i https://mirrors.aliyun.com/pypi/simple/

# 从源码安装mmdetection-3.3.0
cd mmdetection-3.3.0
pip install -r requirements/build.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install -v -e ./ -i https://pypi.tuna.tsinghua.edu.cn/simple/

# 安装必要包
pip install numpy==1.24.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install setuptools==69.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install instaboostfast -i https://pypi.tuna.tsinghua.edu.cn/simple/

# 安装全景分割依赖panopticapi
cd panopticapi
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/
cd ..

# 安装 LVIS 数据集依赖
cd lvis-api
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/
cd ..

# 安装 albumentations 依赖
pip install -r requirements/albu.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install mmengine -i https://pypi.tuna.tsinghua.edu.cn/simple/

这里我们选择逐行处理哦
在这里插入图片描述

接下来我们进行简单的测试

python 1.py

结果自然是对的啦
在这里插入图片描述

🍋4.3 训练模型

这里我们选择直接输入接即可

python ./tools/train.py ./checkpoints/faster-rcnn_r50_fpn_1x_coco.py

过程示例图如下
在这里插入图片描述
训练完成

🍋4.4 数据保存并导出

在经过漫长的训练，我们得到pth权重，通过权重我们进而预测我们的数据集

python tools/test.py ./checkpoints/faster-rcnn_r50_fpn_1x_coco.py ./checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth --show-dir /root/workspace/mmdetection-3.3.0/result