运行GitHub上的预训练模型--FaceBoxes.pytorch项目

运行Faceboxes.pytorch项目中的test.py遇到的问题

Faceboxes.pytorch项目链接

问题一：缺少cv2模块

ModuleNotFoundError: No module named 'cv2'

解决办法：
Anaconda缺少什么模块就安装什么模块，打开Anaconda prompt
输入：conda install --channel https://conda.anaconda.org/menpo opencv

参考链接

第一次更新失败，因为我的conda未更新，所以我要先更新conda再继续安装cv2模块

问题二：conda需要更新

RemoveError: ‘requests’ is a dependency of conda and cannot be removed from conda’s operating enviro…

解决办法：
输入 conda update --force conda

参考链接

等待conda 顺利更新结束，重新按照问题一的解决办法安装cv2

问题三：缺少utils

ModuleNotFoundError: No module named 'utils'

解决办法：Anaconda缺少什么模块就安装什么模块，打开Anaconda prompt
输入：conda install -c conda-forge python-utils

参考链接

问题四：该模型需要在GPU上运行，但是我的电脑只有CPU，且为AMD显卡无法安装CUDA.

ValueError: Expected a cuda device, but got: cpu

有考虑过是否要换一台电脑，但无奈自己平时用的电脑在学校没带回来，也考虑过要连接远程服务器来解决没有GPU的问题，但是自己没有使用过远程服务器，所以这个办法也是远水救近火，后面经“高人”指点：这些模型肯定是既可以在CPU上运行又可以在GPU上运行的，只不过你要将模型中选择用GPU运行的部分全部改成用CPU运行就行。所以我开始大概的浏览了一遍模型，将网络模型中用cuda的部分都改成了cpu,从而解决了这个问题。

我的解决办法：

1. 在模型的前面添加：

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

2. 将原模型中的这一句中的“cpu”的默认改成True

 parser.add_argument('--cpu', action="store_true", default=False, help='Use cpu inference')

因为我是代码小白，所以只能把自己看得懂的，且涉及到cpu，gpu的位置进行一下稍微的调整
更改后为：

parser.add_argument('--cpu', action="store_true", default=True, help='Use cpu inference')

PS:
add_argument：用于给定参数，在运行程序时，程序将通过其调用给定的参数来执行程序

ArgumentParser.add_argument(name or flags…[, action][, nargs][,const][, default][, type][, choices][, required][, help][, metavar][,dest])

name of flags ：是必须的参数，该参数接受选项参数或者是位置参数。
例：`

parser.add_argument('--dataset', default='PASCAL', type=str, choices=['AFW', 'PASCAL', 'FDDB'], help='dataset')`

例如上面代码中的‘–dataset’数据集，在运行test.py时，若test.py中的args.dataset == “FDDB”，则本次运行将使用FDDB数据集作为测试集，若不给参数时，则使用default=‘PASCAL’默认数据集PASCAL进行测试。
type:为参数类型，例如str, int
choices:用来选择输入参数的范围，例如上面的choices=['AFW', 'PASCAL', 'FDDB']表示输入的数据集只能是‘AFW’或‘PASCAL’或'FDDB'.
required:用来设置再命令中显示参数，当required为True时，在输入命令时需要显示这个参数
help:用来描述这个选项的作用
action:表式该选项要执行的操作

参考链接

3. 把“cuda”改成“cpu”
   原代码：

 device = torch.device("cpu" if args.cpu else "cuda")

改成：

device = torch.device("cpu")

4. 原代码：

net = net.cuda()

改成：

net = net.cpu()

5. 我觉得最重要的位置是将load_model函数中的原代码改成了CPU,（因为我是代码小白，我不知道这里的代码我改的是否合理，欢迎指出不足，也许我自己以后再看这里的时候会觉得自己很白痴）：
   原代码：

def load_model(model, pretrained_path, load_to_cpu):
    print('Loading pretrained model from {}'.format(pretrained_path))
    if load_to_cpu:
        pretrained_dict = torch.load(pretrained_path, map_location=lambda storage, loc: storage)
    else:
        device = torch.cuda.current_device()
        pretrained_dict = torch.load(pretrained_path, map_location=lambda storage, loc: storage.cuda(device))

改成：

def load_model(model, pretrained_path, load_to_cpu):
    print('Loading pretrained model from {}'.format(pretrained_path))
    if load_to_cpu:
        pretrained_dict = torch.load(pretrained_path, map_location='cpu')
    else:
        device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
        pretrained_dict = torch.load(pretrained_path, map_location=lambda storage, loc: storage.cuda(device))

所以总的来说：
工作要部署到服务器上 ，服务器上面没有GPU，所以要将GPU改为CPU处理，于是训练的模型要动一动，在load的时候加上map_location=‘cpu’,然后把所有的.cuda()方法删掉。(只有使用一块gpu训练的模型才可以使用该方法,使用多块GPU的模型转CPU）

GPU->CPU

model = torch.load(‘xxx.pkl’, map_location=‘cpu’)

CPU->GPU1

torch.load(‘gen_500000.pkl’, map_location=lambda storage, loc: storage.cuda(1))

参考链接1
参考链接2

至此，我解决了由GPU转换成CPU来运行模型的问题。

问题五：没有cpu_nms,或import类型错误

import: 在python用import或者from...import来导入相应的模块。模块其实就是一些函数和类的集合文件，它能实现一些相应的功能，当我们需要使用这些功能的时候，直接把相应的模块导入到我们的程序中，我们就可以使用了。这类似于C语言中的include头文件，Python中我们用import导入我们需要的模块。

原来的test.py文件中的from .nms.cpu_nms import cpu_nms, cpu_soft_nms会导致错误，因为没有cpu_nums这个模块，后面我把这一行代码删掉了，且把下面代码中的return进行了稍微的改动。

def nms(dets, thresh, force_cpu=False):
    """Dispatch to either CPU or GPU NMS implementations."""

    if dets.shape[0] == 0:
        return []
    #if cfg.USE_GPU_NMS and not force_cpu:
        #return gpu_nms(dets, thresh, device_id=cfg.GPU_ID)
    else:
        return nms(dets, thresh)
        #原来代码中的return（如下），改成了上面的return，定义的函数和返回的结果不一致
        #return cpu_nms(dets, thresh)

问题六：数据集给定的路径错误

按照GitHub上的FaceBoexes.pytorch项目的安装指引，

$FaceBoxes_ROOT/data/AFW/images/
$FaceBoxes_ROOT/data/PASCAL/images/
$FaceBoxes_ROOT/data/FDDB/images/

我的数据集是需要放在（如上位置）每一个数据集文件夹的images/文件夹下的，但是我把images/文件夹的名字写成了AEW_images/，所以运行该测试代码的时候，模型无法找到测试数据集，所以出现了数据格式不对的错误。

TypeError: src is not a numpy array, neither a scalar

解决办法：将数据集文件夹的名字改成images/，并重新载入

从这个错误中学到的知识：
python路径拼接os.path.join()函数完全教程

解决了这几个问题，test.py在我的电脑中暂时没有报错了，现在要开始学习怎么用这个模型来跑我的数据集并提取特征，小白求好运求毕业~
———————————————
版权声明：本文为CSDN博主「weixin_45654744」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_45654744/article/details/105206549