2. 程式人生 > >mask-RCNN筆記——程式碼GPU使用

mask-RCNN筆記——程式碼GPU使用

阿新 • • 發佈：2018-12-18

在這篇的開頭，程式碼已經可以正常使用了，過程參考另一篇

GPU使用實驗：

（這是一個使用實驗，以及改錯的過程）

環境：ubuntu16.04，python3.5，GPU4個

測試修改程式碼：train_shaoes.py

1、修改config檔案

出現錯誤

定位之後發現錯誤位置在建立模型這一步

在判斷GPU的時候，包匯入時正確的

進入ParallelModel的建構函式，執行self.gpu_count=gpu_count的時候一切正常，並且成功生成了屬性gpu_count

但是執行完成這一步之後，資料當中自動生成了一個叫做inner_model的變數，並且在將keras_model賦值給self.inner_model的時候無法成功賦值

解決方法：

加入了紅框所示的一句話

2、安裝TensorFlow-gpu

出現錯誤:libcublas.so.9.0:cannot open shared object file: No such file or directory

原因：

tensorlow的版本與cuda不一致導致的錯誤，檢視文獻後發現我使用的cuda8.0，cuDNN6.0，對應的tensorflow版本是1.3.0或者1.4.0

3、出現問題: softmax() got an unexpected keyword argument 'axis'

【1】

4、問題：reduce_mean() got an unexpected keyword argument 'keepdims'

解決：【2】

系統函式中reduce_mean()中的引數名稱是keep_dims

只要把model.py檔案中的出錯的keepdims修改成系統函式中的名字keep_dims就可以了。

參考資料：

相關推薦

mask-RCNN筆記——程式碼GPU使用

在這篇的開頭，程式碼已經可以正常使用了，過程參考另一篇 GPU使用實驗： （這是一個使用實驗，以及改錯的過程） 環境：ubuntu16.04，python3.5，GPU4個 測試修改程式碼：train_shaoes.py 1、修改config檔案 出現

mask-RCNN筆記——標註工具以及各式轉換

使用標註工具lablem 1、下載 https://github.com/wkentaro/labelme 2、安裝 使用環境，ubuntu16.04，python3 進入labelme資料夾下，開啟終端，進入虛擬環境，執行程式碼 pip install pyqt5 # p

mask-RCNN筆記——inspect_data使用

mask-RCNN的使用，其中程式碼inspect_data的使用，用於dateset的讀取 1、下載coco資料庫，安裝coco工具包pycocotools https://blog.csdn.net/Diana_Z/article/details/83576598 2、新建一個*.p

mask-RCNN筆記——coco安裝及使用

mask-rcnn的coco資料集使用： coco安裝： 1、下載程式碼，clone或者直接download https://github.com/waleedka/coco 2、我使用的是python，進入目錄，並執行make 進入有makefile的資料夾 在終端開啟，執

解決Mask RCNN訓練時GPU記憶體溢位問題

首先自己是個小白對於如何使用GPU跑程式這個學習了一下： （1）使用的是putty，安裝了Anaconda這個IDE環境，用的conda install tensorflow-gpu安裝的GPU版本tf,之前只是安裝了tf並沒有選擇GPU版本。安裝完GPU版本的tf，可以進

Mask RCNN 學習筆記

目標 泛化 插值 留言 筆記 步長 roi 閱讀 開始 涉及到的知識點補充：FasterRCNN：https://www.cnblogs.com/wangyong/p/8513563.html RoIPooling、RoIAlign：https://www.cnblogs.

學習筆記-目標檢測、定位、識別（RCNN，Fast-RCNN, Faster-RCNN，Mask-RCNN，YOLO，SSD 系列）

0. 前言 說到深度學習的目標檢測，就要提到傳統的目標檢測方法。 傳統的目標檢測流程： 1）區域選擇（窮舉策略：採用滑動視窗，且設定不同的大小，不同的長寬比對影象進行遍歷，時間複雜度高） 2）特徵提取（SIFT、HOG等；形態多樣性、光照變化多樣性、背景多樣性使得特徵魯棒性差）

ubuntu16.04 Mask-RCNN-tf GPU demo測試

1、安裝CUDA和CUDNN 安裝詳細請參考：https://blog.csdn.net/oMoDao1/article/details/83303385 2、下載mask-rcnn原始碼： https://github.com/matterport/Mask_RCNN 3、安裝Py

Mask RCNN論文筆記

Mask RCNN是大神Kaiming He的一大神作。 1、概述 Mask RCNN主要是再Faster RCNN上進行了一些調整（將RoIpooling層替換為了RoIAlign層），並且在RoIAlign後增加了一個進行instance segmentation的分支。

mask-RCNN 學習筆記1

摘要： 我們提出了一個概念上簡單，靈活，通用的物件例項分割框架。我們的方法有效地檢測影象中的物件，同時為每個例項生成高質量的分割掩碼。該方法稱為Mask R-CNN，通過增加一個與現有分支並行的用於預測掩碼物件的分支來增強Fast R-CNN的邊界檢測能力。 Mask

Mask-RCNN論文閱讀筆記

一、摘要 mask-rcnn本質上在fasterrcnn的基礎上加了一個預測每個二值掩膜mask的分支，相當於在之前fasterrcnn的基礎上，fasterrcnn將目標框出，maskrcnn在目標框內對目標做一個例項分割。整理思路如下： 在fa

mask rcnn 論文閱讀筆記

Mask RCNN閱讀筆記 目錄 一. 文章主題介紹： 該文章主要是通過擴充套件Faster RCNN，實現例項分割的功能；具體來說，就是在後面添加了一個mask分支用於畫素級別的預測（也就是例項分割）。如下圖所示： 這個分支僅僅增加很

Mask RCNN 實戰(一)－－程式碼詳細解析

Mask RCNN:（大家有疑問的請在評論區留言）如果對原理不瞭解的話，可以花十分鐘先看一下我的這篇博文，在來進行實戰演練，這篇博文將是讓大家對mask rcnn 進行一個入門，我在後面的博文中會介紹mask rcnn 如何用於 多人關鍵點檢測和多人姿態估計，以及如何利用ma

Mask RCNN 原理

adding 保留 rgb 固定 特征 添加 原理 尺度 obj 轉自：https://blog.csdn.net/ghw15221836342/article/details/80084861 https://blog.csdn.net/g

Mask-RCNN數據集制作

window rom ash 當前 enc 直接 clas glob 參數 轉自https://blog.csdn.net/pingushen2100/article/details/80513043 一.Mask-RCNN數據集

Fast RCNN筆記2:tf-faster-rcnn demo 調試

tar .py ast tensor 得到 res etc test 詳細 關於 fastrcnn tensorflow實現的另一個github代碼：https://github.com/endernewton/tf-faster-rcnn。 由於作者寫的很詳細，基本按著來

『計算機視覺』RCNN學習_其二：Mask-RCNN

參考 檢測 語義 tail font 技術 src spa sta 參考資料 Mask R-CNN Mask R-CNN詳解 開源代碼： Tensorflow版本代碼鏈接； Keras and TensorFlow版本代碼鏈接； MxNet版本代碼鏈接

【Mask RCNN】《Mask R-CNN》

ICCV-2017 目錄 目錄 1 Motivation 2 Innovation 3 Advantages 4 Methods

Mask RCNN 顯微鏡下細胞檢測示例測試

參考連結： https://blog.csdn.net/l297969586/article/details/79140840/ https://cloud.tencent.com/developer/news/189753 1、首先參考細胞檢測對應連結：https://github.c

mask-CRNN筆記 —— inspect_model

1、下載coco資料 https://mp.csdn.net/postedit/83576598 2、新建一個*.py檔案將*.ipynb的程式碼複製過去 3、資料路徑修改： 修改程式碼中下圖紅框處COCO_DIR變數的值為資料資料夾dataset的路徑。 執行 1、讀