人群计数[CAN](Context-Aware Crowd Counting复现过程记录)

目录

一、开发环境及其配置
二、论文代码+数据集
三、代码复现
四、总结

一、开发环境

windows 10+Anaconda 3+python 3.7+CUDA 11.1+Pytorch 1.8.0+Pycharm

1、Anaconda3的配置

Anaconda安装教程.这篇文章十分简洁明了，并且很有用，直接照着他来就行。下面重点说一下安装过程会遇到的问题以及解决方案：

（1）首先在安装的时候，记得选择添加路径到环境变量，省事儿！如果有特殊原因需要自己配置，将Anaconda文件夹下的Scripts文件的路径复制，粘贴到系统变量的Path里面即可。（这个比较常见，不多说）

（2）对于像我这样之前装过一次，后来再装的时候，发现所有应用里面并没有Anaconda或者是缺少Anaconda图标，然后。。。重装几次后发现还是不行。就决定去看看Anaconda文件夹，发现里面大量文件缺失。
如图是正常安装该有的文件：

先卸载Anaconda，然后这是网上所有的解决方案：
a、关闭杀毒软件
b、以管理员身份运行安装包
c、放在一个纯英文的路径下
d、把系统环境变量里的path有关Anaconda的全部删掉
e、卸载Anaconda后检查c盘是否还残留conda文件，如.anaconda、.conda、.jupyter、.keras、.spyder-py3以及.condarc这些文件，如果有，Anaconda安装时会误以为你很多文件已经有了，所以导致大量文件丢失。直接删掉就行啦~

2、CUDA的配置

CUDA安装+环境配置.对于CUDA来说，版本是什么都无所谓，重要的是与电脑的性能相匹配，不然就用不了。还有些电脑如果没有NAVIDIA显卡，或者版本要升级，都是可以在网上找到步骤装好的（只要你有CPU就能用CUDA）。
（建议不要去官网下载，贼慢而且又大，最好找百度网盘资源）
这是我下载的CUDA11.1的包，如果版本符合可以直接下载
链接：https://pan.baidu.com/s/1Hn9nOr7lkfqsUk2Dnfw-sQ
提取码：jtoe
这个挺好配置的，话不多说

3、pytorch-GPU版本的配置

之前我跟着其他博客配置，在官网上找到对应版本的命令直接下载（我网速不错，下载很快），可是下载的版本一直都是CPU版本，就很奇怪。后来使用conda list发现有个CPUonly的包，然后conda uninstall CPUonly，然后再到官网下载就可以下载下来GPU的版本的。但是我下载下来后就不能import torch，一天了都没有解决，最后求助学长帮我装好的。下面是学长的步骤。
（1）以管理员身份运行Anaconda Prompt，首先创建一个虚拟环境
conda create -n （环境名）python=X.X
或者 conda create --name （环境名） python=X.X
然后激活环境
conda activate （环境名）

（2）先查一下自己需要的torch和torchvision版本，改一下对应的版本号即可。这个是使用清华源下载的，比官网下载快很多。
pip install torch=1.8.0 torchvision=0.9.0 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple

中间1.8.0 torchvision左右是两个等号哦！
注意：如果网速不是很好，可能会安装失败，执行conda clean -i 然后重新下载（最好每次下载失败就执行conda clean -i），多下载几次就好了。
（3）由于我之前是不能import torch，所以下载好之后我使用conda list命令查看是否有torch。然后检测是否能使用cuda，首先进入python环境，
import torch
print(torch.version) 对应会输出版本
print(torch.cuda.is_available()) 会输出TRUE
（4）然后安装这些包
pip install Cython
pip install numpy
pip install opencv-python
pip install matplotlib
pip install pillow
pip install tensorboard
pip install PyYAML
pip install torchvision
pip install scipy
pip install tqdm
这样就可以在Pycharm里面使用GPU跑代码了。

二、论文代码+数据集

论文链接
代码链接
代码+数据集
链接：https://pan.baidu.com/s/1B0v9eEcx4LnSYqRYEcE-Mg
提取码：06j7

三、代码复现

由于文章发表的比较早，所以论文作者使用的是python2.7，现在我们使用python3的话，有一些代码需要改动一下。
非常详细的复现记录
照着这篇博客，复现完全没有问题。但是。。。可能是我电脑太辣鸡，batch_size 昨天运行最大只能取4。。。然后最多跑了15组（就停了，自己不跑了，大概是跑不动了），MAE大概在33左右。这里提醒一下，因为每次跑会生成最好结果的model_best.pth.ta文件。。。。建议自己把这个保留下来，因为下次重跑，像我batch_size只能取1了。。。然后最好MAE在55左右（后悔之前没有保存最好结果的文件`(>﹏<)′）。当然主要可能还是我电脑不行。
然后复现过程中，如果提示GPU不够用，或者类似这种电脑性能不行，就把batch_size改小，改成1是肯定可以运行的；然后也可以清理C盘的磁盘内存；还可以重启Pycharm试试。

四、总结

这篇博客主要是为了自己下次换电脑配环境不用再查一些资料（我就是很懒），然后因为是小白，所以什么都要查资料，过程比较困难，结果还不错，终于出来了。下一篇博客应该就是这篇论文的详细解读。
第一次写博客，请大家多多指教，有问题都可以留言一起讨论的哦。