CenterNet配置及问题详解
文章目录
- Install
- 0.创建一个虚拟环境
- 1.安装0.4.1版的pytorch
- 2.Clone CenterNet
- 3.安装COCOAPI
- 4.编译DCNv2（可变形卷积）
- 5.编译NMS
- Data准备
- 预训练模型下载
- 接着开始训练
作者原版github： https://github.com/xingyizhou/CenterNet
Install
按照readme文件夹中的INSTALL.md操作：
0.创建一个虚拟环境
conda create --name CenterNet python=3.6#创建一个名为CenterNet的python3.6虚拟环境
source activate CenterNet #激活该虚拟环境（source deactivate CenterNet可以退出虚拟环境）
1.安装0.4.1版的pytorch
conda install pytorch=0.4.1 torchvision -c pytorch #conda安装pytorch为0.4.1版本的以及其相关环境
但这里有两个包（mkl和pytorch0.4.1）比较大，会出现网络错误，因此这里用pip从官网下载0.4.1的torch：
pip install http://download.pytorch.org/whl/cu90/torch-0.4.1-cp36-cp36m-linux_x86_64.whl
接着禁用cudnn的批量正则化，原因大致是由批量正则化之前很大的中间特征引起的：
PYTORCH=~/anaconda3/envs/CenterNet/lib/python3.6/site-packages/ #如果在服务器上，则改变一下前面的路径，如/home/name/local/anaconda3/envs/CenterNet/lib/python3.6/site-packages/
sed -i "1254s/torch\.backends\.cudnn\.enabled/False/g" ${PYTORCH}/torch/nn/functional.py #对于pytpoch v0.4.1
2.Clone CenterNet
git clone https://github.com/xingyizhou/CenterNet
cd CenterNet
pip install -r requirements.txt #安装所依赖的包
3.安装COCOAPI
我是在CenterNet文件夹下安装的COCOAPI：
git clone https://github.com/cocodataset/cocoapi.git $COCOAPI
cd cocoapi/PythonAPI
make
python setup.py install --user
4.编译DCNv2（可变形卷积）
cd CenterNet/src/lib/models/networks/DCNv2 #先进入该文件夹
在编译之前，需要对DCNv2文件夹下的make.sh脚本修改，即在该文件最前部添加（参考自此处）：
export CUDA_PATH=/usr/local/cuda-8.0/
export CXXFLAGS="-std=c++11"
export CFLAGS="-std=c99"
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export CPATH=/usr/local/cuda-8.0/include${CPATH:+:${CPATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
注意，这里包含cuda的路径都需要修改成自己机器所对应的。
接着运行make.sh编译：
./make.sh
5.编译NMS
编译NMS以便多尺度测试或测试ExtremeNet：
cd CenterNet/src/lib/external
make
Data准备
这里使用的是COCO数据集的格式，数据集需要按如下格式放置：
CenterNet/data/
└── coco
├── annotations
├── instances_val2017.json
└── instances_train2017.json
├── train2017
└── val2017
其中，annotations中的json文件是对train2017和val2017中图片的标注。
预训练模型下载
度盘，提取码v9h2。
下载models中的ctdet_coco_dla_2x.pth并放入CenterNet下的models下即可。
由于这里没有运用姿态检测，因此需要修改几个参数（参考自此处）：
vim CenterNet/src/lib/models/networks/pose_dla_dcn.py
注释掉第313和第314行：
vim CenterNet/src/lib/opts.py
将第323行改成
opt.flip_idx = False
不这样做的话，在训练时会去Google Drive上下载姿态检测相关的预训练模型，导致网络超时。
接着开始训练
针对不同的数据集格式，有不同的参数格式，具体参考GETTING_STARTED.md
对于COCO数据集：
python main.py ctdet --exp_id coco_dla --batch_size 32 --master_batch 15 --lr 1.25e-4 --gpus 0,1
batch_size可适当调成16，否则会显存不足，gpu卡也调成一张…