我选择这个AutoDL云服务器,
因为这个云服务器感觉相比其他的,价格更便宜,同时GPU的数量也挺多的4090才需要2.6元一个小时,同时这个
3090是1.6 2080Ti才0.9元一个小时
你可以在镜像盘中存储你配置好的环境,下次打开的时候就不用重新进行配置了
免费空间是30个G,超出部分,1G一毛钱,感觉这个价格真的很公道
免费空间可以有100个G
import os
import cv2
from detectron2 import model_zoo
from detectron2.config import get_cfg
from detectron2.data import MetadataCatalog
from detectron2.utils.visualizer import Visualizer
from detectron2.engine import DefaultPredictor
# 加载配置文件和预训练权重
cfg = get_cfg()
cfg.merge_from_file(
model_zoo.get_config_file("COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml")
)
cfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST = 0.5 # 设置置信度阈值
cfg.MODEL.WEIGHTS = model_zoo.get_checkpoint_url(
"COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml"
)
# 构建Detector预测器
predictor = DefaultPredictor(cfg)
# 加载要测试的图片
image_path = "2.jpeg"
image = cv2.imread(image_path)
# 进行目标检测
outputs = predictor(image)
# 可视化结果
v = Visualizer(image[:, :, ::-1], MetadataCatalog.get(cfg.DATASETS.TRAIN[0]), scale=1.2)
out = v.draw_instance_predictions(outputs["instances"].to("cpu"))
result_image = out.get_image()[:, :, ::-1]
# 保存目标检测后的结果
save_dir = "image"
os.makedirs(save_dir, exist_ok=True)
save_path = os.path.join(save_dir, "result.jpg")
cv2.imwrite(save_path, result_image)
print("目标检测结果已保存到:", save_path)
ModuleNotFoundError: No module named 'cv2'
解决办法
用终端中执行代码
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
nvcc --version
参考链接
查看 CUDA 版本 正确方法(亲测有效)
尽量把图片放在该项目里面,在项目里面webroot下面新建一个文件夹比如说img,把图片放进去
在引用的时候要用相对路径,不能使用图片在服务器的存储地址,否则会发生只能在服务器上面可见,
外网不可见,使用的时候要用片在该项目下的相对路径,比如在webroot的img文件夹下的1.jpg,
使用的时候要写 img\1.jpg 注意开头的时候不能用\,否则则会默认使用的是绝对路径
web项目下的相对路径:不能以\开头
web项目下的绝对路径:必须用\开头(只会是本地可见,其他人看不到)
————————————————
对这个云服务器中的相对路径和绝对路径我也不是太了解,我于是就参考了下面的这个文章
参考连接
原文链接:https://blog.csdn.net/qq_36080060/article/details/81697962
其他环境的配置我们其实相比较这个就是换一个镜像,换一个代码,会使用这个云服务器配置环境之后我们就可以很方便的配置环境了