(详细)带你运行ShanghaiTech数据集预训练模型——人群计数算法

写在前面

ShanghaiTech数据集是现有的人群计数领域比较常用的训练测试数据集,该博客将详细讲述如何跑通ShanghaiTech官方提供的预训练版本。

由于全部跑完ShanghaiTech数据集需要一定的时间,今天只以其中的ped2数据集(体量最小)为例,其他类似

环境配置

下载miniconda

打开miniconda下载网址下载Windows版本的miniconda,博主下载的是python3.8的版本(后续需要使用python3.6的版本,但miniconda已经不再提供python3.6的版本,这个后面会讲)
(详细)带你运行ShanghaiTech数据集预训练模型——人群计数算法_第1张图片

(注意不要下载太新的版本)

新建虚拟环境(必须为python3.6)

安装miniconda

完成之后打开miniconda的命令行
(详细)带你运行ShanghaiTech数据集预训练模型——人群计数算法_第2张图片

创建虚拟环境:

conda create –n shanghaitech python=3.6

请注意,此处python版本务必选择3.6,ShanghaiTech推荐的python版本也是3.6,否则会导致后续出现很多的版本不兼容问题(tensorflow导致)

进入虚拟环境:

conda activate shanghaitech

(详细)带你运行ShanghaiTech数据集预训练模型——人群计数算法_第3张图片

下载代码、数据集和预训练模型

GitHub代码:

ShanghaiTech

https://github.com/StevenLiuWen/ano_pred_cvpr2018

将代码下载后保存到自己的路径下**(路径不要有空格,短横’-',以及中文)**

数据集和预训练模型下载地址:

官方

官方百度云盘 提取码:i9b3

本文中我们只需要下载ped2.tar.gz(数据集)

pretrains.tar.gz(预训练模型)

这二者即可

二者解压后,将ped2移动到Data文件夹中,将预训练模型移动到Codes/checkpoints文件夹中

配置第三方依赖

打开命令行,并且cd到Codes文件夹下

进入虚拟环境:

conda activate shanghaitech

(详细)带你运行ShanghaiTech数据集预训练模型——人群计数算法_第4张图片

下载第三方依赖:

pip install -r requirements.txt

pip install tensorflow-gpu==1.4.1

(option)如果此处提示找不到对应版本的错误信息,请将Codes文件夹下的requirements.txt修改为

numpy==1.14.1
scipy==1.0.0
matplotlib==2.1.2
tensorflow==1.4.0
tensorflow-gpu==1.4.0
Pillow==5.0.0
pypng==0.0.18
scikit_learn==0.19.1
opencv-python==3.2.0.7

并重新下载第三方依赖:

pip install -r requirements.txt

pip install tensorflow-gpu==1.4.0

顺便提一下

如果你的电脑没有下载cuda,那就只能咋cpu上跑(会比GPU上跑慢,但也行)

CUDA安装教程

只需要听他装CUDA就行了

开启实践

打开命令行,并且cd到Codes文件夹下

进入虚拟环境:

conda activate shanghaitech

运行测试(以ped2为例):

python inference.py  --dataset  ped2 --test_folder ../Data/ped2/testing/frames --gpu 1 --snapshot_dir checkpoints/pretrains/ped2

(任选)Tensorboard 可视化

tensorboard    --logdir=./summary    --port=10086

打开浏览器并输入提示的网址
在这里插入图片描述

开始运行:
(详细)带你运行ShanghaiTech数据集预训练模型——人群计数算法_第5张图片

运行结束:

(详细)带你运行ShanghaiTech数据集预训练模型——人群计数算法_第6张图片

写在最后

博主也是AI小白,如有错误敬请评论区指出!

如果需要,博主会再出一篇模型训练的博客

你可能感兴趣的:(算法,python,深度学习,人群计数,tensorflow)