记录一下自己跑mask rcnn的心累过程
github官方源码
但官方是用Jupyter跑的,个人不太熟悉怎么debug,只能跑出 demo.ipynb
,跑 train_shape.ipynb
就各种error,心累
然后就去网上看看有没有py的训练代码,确实有
1、挺好的,但是我自己跑起来的时候就有个问题,后面解决半天还是放弃了,可能和我自己环境或者设置有问题
https://blog.csdn.net/qq_38299170/article/details/106258170
2、这个也很不错,把数据源的路径弄好,改一下path和add_class和load_mask里面涉及到class的就可以正常运行了,后面我用这个是正常训练好自己的模型了
https://blog.csdn.net/alicema1111/article/details/107403957
3、直接吧官方的 train.ipynb 全盘复制到一个py文件,然后删掉一些非代码内容,理论上就正常了,我后面试试也能直接跑起来,但是没去找它的训练数据源是哪里来的
在这期间,我们会遇到各种各样的问题,太多了,但大多数都是环境问题。
[En]
During this period, we will encounter all kinds of problems, too many, but most of them are environmental problems.
像官方需求是tensorflow>=1.3.0,但是 tf 2.0 版本之后有些函数名字又改了什么什么的,这种一般百度一下就行,推荐使用1.x版本
还有官方的 train.ipynb ,我之前跑的时候是卡在第一个epoch,跑不动了,CPU只吃一点点,也不吃GPU,就这么卡住,后面看到说是keras版本问题,换成 keras==2.1.6
就正常了,当我想试试的时候,发现train前面数据准备都报error但是pycharm里面正常运行。。。最后还是乖乖跑py文件算球
案例分割比目标检测麻烦得多。
[En]
Case segmentation is much more troublesome than target detection.
大噶加油
附上我现在正常的anaconda环境:仅供参考
_tflow_select 2.2.0 eigen
absl-py 0.15.0 pyhd3eb1b0_0
aiohttp 3.7.4.post0 py36h2bbff1b_2
astor 0.8.1 py36haa95532_0
async-timeout 3.0.1 py36haa95532_0
attrs 21.4.0 pyhd3eb1b0_0
blas 1.0 mkl
blinker 1.4 py36haa95532_0
blosc 1.21.0 h19a0ad4_0
brotli 1.0.9 ha925a31_2
brotlipy 0.7.0 py36h2bbff1b_1003
bzip2 1.0.8 he774522_0
ca-certificates 2022.2.1 haa95532_0
cachetools 4.2.2 pyhd3eb1b0_0
certifi 2021.5.30 py36haa95532_0
cffi 1.14.6 py36h2bbff1b_0
chardet 4.0.0 py36haa95532_1003
charls 2.1.0 h33f27b4_2
charset-normalizer 2.0.4 pyhd3eb1b0_0
click 8.0.3 pyhd3eb1b0_0
cloudpickle 2.0.0 pyhd3eb1b0_0
coverage 5.5 py36h2bbff1b_2
cryptography 3.4.7 py36h71e12ea_0
cycler 0.11.0 pyhd3eb1b0_0
cython 0.29.24 py36hd77b12b_0
cytoolz 0.11.0 py36he774522_0
dask-core 2021.3.0 pyhd3eb1b0_0
decorator 5.1.1 pyhd3eb1b0_0
freetype 2.10.4 hd328e21_0
gast 0.2.2 py36_0
geos 3.8.0 h33f27b4_0
giflib 5.2.1 h62dcd97_0
google-auth 2.6.0 pyhd3eb1b0_0
google-auth-oauthlib 0.4.4 pyhd3eb1b0_0
google-pasta 0.2.0 pyhd3eb1b0_0
grpcio 1.36.1 py36hc60d5dd_1
h5py 2.10.0 py36h5e291fa_0
hdf5 1.10.4 h7ebc959_0
icc_rt 2019.0.0 h0cc432a_1
icu 58.2 ha925a31_3
idna 3.3 pyhd3eb1b0_0
idna_ssl 1.1.0 py36haa95532_0
imagecodecs 2020.5.30 py36hb1be65f_2
imageio 2.9.0 pyhd3eb1b0_0
imgaug 0.4.0 pyhd3eb1b0_0
importlib-metadata 4.8.1 py36haa95532_0
intel-openmp 2022.0.0 haa95532_3663
jpeg 9d h2bbff1b_0
keras 2.1.6 pypi_0 pypi
keras-applications 1.0.8 py_1
keras-preprocessing 1.1.2 pyhd3eb1b0_0
kiwisolver 1.3.1 py36hd77b12b_0
lcms2 2.12 h83e58a3_0
libaec 1.0.4 h33f27b4_1
libpng 1.6.37 h2a8f88b_0
libprotobuf 3.17.2 h23ce68f_1
libtiff 4.2.0 hd0e1b90_0
libzopfli 1.0.3 ha925a31_0
lz4-c 1.9.3 h2bbff1b_1
markdown 3.3.4 py36haa95532_0
matplotlib 3.3.4 py36haa95532_0
matplotlib-base 3.3.4 py36h49ac443_0
mkl 2020.2 256
mkl-service 2.3.0 py36h196d8e1_0
mkl_fft 1.3.0 py36h46781fe_0
mkl_random 1.1.1 py36h47e9c7a_0
multidict 5.1.0 py36h2bbff1b_2
networkx 2.5 py_0
numpy 1.19.2 py36hadc3359_0
numpy-base 1.19.2 py36ha3acd2a_0
oauthlib 3.2.0 pyhd3eb1b0_0
olefile 0.46 py36_0
opencv 3.3.1 py36h20b85fd_1
opencv-python 4.5.5.64 pypi_0 pypi
openjpeg 2.4.0 h4fc8c34_0
openssl 1.1.1m h2bbff1b_0
opt_einsum 3.3.0 pyhd3eb1b0_1
pillow 8.3.1 py36h4fa10fc_0
pip 21.2.2 py36haa95532_0
protobuf 3.17.2 py36hd77b12b_0
pyasn1 0.4.8 pyhd3eb1b0_0
pyasn1-modules 0.2.8 py_0
pycocotools 2.0.3 pypi_0 pypi
pycparser 2.21 pyhd3eb1b0_0
pyjwt 2.1.0 py36haa95532_0
pyopenssl 21.0.0 pyhd3eb1b0_1
pyparsing 3.0.4 pyhd3eb1b0_0
pyqt 5.9.2 py36h6538335_2
pyreadline 2.1 py36_1
pysocks 1.7.1 py36haa95532_0
python 3.6.13 h3758d61_0
python-dateutil 2.8.2 pyhd3eb1b0_0
pywavelets 1.1.1 py36he774522_2
pyyaml 5.4.1 py36h2bbff1b_1
qt 5.9.7 vc14h73c81de_0
requests 2.27.1 pyhd3eb1b0_0
requests-oauthlib 1.3.0 py_0
rsa 4.7.2 pyhd3eb1b0_1
scikit-image 0.17.2 py36h1e1f486_0
scipy 1.5.2 py36h9439919_0
setuptools 58.0.4 py36haa95532_0
shapely 1.7.1 py36h06580b3_0
sip 4.19.8 py36h6538335_0
six 1.16.0 pyhd3eb1b0_1
snappy 1.1.8 h33f27b4_0
sqlite 3.38.0 h2bbff1b_0
tensorboard 1.12.2 pypi_0 pypi
tensorboard-plugin-wit 1.6.0 py_0
tensorflow 2.1.0 eigen_py36hdbbabfe_0
tensorflow-estimator 2.6.0 pyh7b7c402_0
tensorflow-gpu 1.12.0 pypi_0 pypi
termcolor 1.1.0 py36haa95532_1
tifffile 2021.3.17 pyhd3eb1b0_1
tk 8.6.11 h2bbff1b_0
toolz 0.11.2 pyhd3eb1b0_0
tornado 6.1 py36h2bbff1b_0
typing-extensions 3.10.0.2 hd3eb1b0_0
typing_extensions 3.10.0.2 pyh06a4308_0
urllib3 1.26.8 pyhd3eb1b0_0
vc 14.2 h21ff451_1
vs2015_runtime 14.27.29016 h5e58377_2
werkzeug 0.16.1 py_0
wheel 0.37.1 pyhd3eb1b0_0
win_inet_pton 1.1.0 py36haa95532_0
wincertstore 0.2 py36h7fe50ca_0
wrapt 1.12.1 py36he774522_1
xz 5.2.5 h62dcd97_0
yaml 0.2.5 he774522_0
yarl 1.6.3 py36h2bbff1b_0
zipp 3.6.0 pyhd3eb1b0_0
zlib 1.2.11 h8cc25b3_4
zstd 1.4.9 h19a0ad4_0
Original: https://blog.csdn.net/qq_43622870/article/details/123566626
Author: 菜菜菜三菜
Title: mask rcnn训练自己的数据集
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/509230/
转载文章受原作者版权保护。转载请注明原作者出处!