求个免费网站,做网站用啥语言,h5海报制作软件推荐,做网站通栏模糊本文 丹摩智算平台官方网站的介绍Faster-Rcnn-训练与测试提前准备进行Faster-rcnn 的环境配置数据集的介绍 丹摩智算平台官方网站的介绍
丹摩智算平台#xff08;DAMODEL#xff09;是专为人工智能#xff08;AI#xff09;开发者打造的高性能计算服务平台#xff0c;旨在… 本文 丹摩智算平台官方网站的介绍Faster-Rcnn-训练与测试提前准备进行Faster-rcnn 的环境配置数据集的介绍 丹摩智算平台官方网站的介绍
丹摩智算平台DAMODEL是专为人工智能AI开发者打造的高性能计算服务平台旨在提供丰富的算力资源和基础设施助力AI应用的开发、训练和部署。
平台特色 超友好平台配备124GB大内存和100GB系统盘支持一键部署三秒启动使AI开发更加便捷。 资源丰富从入门级到专业级GPU全覆盖满足不同层次开发者的需求。 性能强劲自建数据中心采用全新GPU确保每位开发者都能体验顶级计算性能和专属服务。 价格实惠提供超低价格的优质算力服务注册即送优惠券并有各类社区优惠活动。
主要功能 云端开发环境提供基于VSCode的Cloud IDE支持高效的文件搜索、Git版本控制、调试、数据库、终端和在线预览等功能用户可随时随地进行开发。 丰富的模板支持多种编程语言和框架如Python、Java、HTML/CSS/JS、PHP、Go以及VueJS、React、Next.js、Nuxt.js等方便用户快速启动项目。 AI编程助手内置AI辅助编程功能可实现添加注释、解释代码、完成代码、寻找错误、优化代码、添加测试和代码提问等提升开发效率。 社区支持用户可将项目发布到社区与他人分享和学习促进知识交流和合作。 快速部署支持一键部署开发的应用或直接部署GitHub上的应用提供独立域名访问并保持应用永久在线。 AI绘画提供在线的Stable Diffusion模型可一键启动WebUI进行AI绘画操作简单。
使用体验
用户反馈显示丹摩智算平台操作简洁资源丰富性能强劲性价比高适合AI开发者进行模型训练、推理和部署等任务。 总结
丹摩智算平台为AI开发者提供了高效、便捷、经济的计算资源和开发环境助力AI项目的快速推进。
Faster-Rcnn-训练与测试
提前准备
我们先登录进行实例的创建 丹摩DAMODEL 点击创建实例 我们选择这个-----8NVIDIA-GeForce-RTX-4090 在基础镜像中选择这个镜像
然后我们进行密钥的创建 输入自定义的名字然后点击创建就完成了密钥的创建了 然后我们选择刚刚创建的密钥 点击右下角进行创建 等待几分钟就这个实例就创建好了 这个样子就说明我们的实例创建好了
当实例创建好了之后我们一个软件的下载 mobaxterm远程连接服务器 我们在下载的时候将这个创建实例的页面将访问链接进行复制 我的访问链接是
ssh -p 41731 rootcn-north-b.ssh.damodel.com然后我们打开我们下载好的MobaXterm 按照下面的图片依次进行点击 输入我们的刚刚复制的访问链接 选择我们的密钥我们在创建的时候是会将密钥进行下载的我们找到密钥的位置进行选择就行了 进去之后我们输入root然后进行回车的操作 如果是下面的样子的话就是登录成功了
那么这个就说明我们已经登录成功了 然后我们进行一些准备
进行Faster-rcnn 的环境配置
需要下载的代码的链接 下载好后将我们的代码文件拖入/root/workspace/目录下然后解压 输入下面的命令
unzip mmdetection-3.3.0.zip然后我们进行环境的配置操作
# 安装mmcv包
pip install mmcv2.1.0 -f https://download.openmmlab.com/mmcv/dist/cu121/torch2.1/index.html -i https://mirrors.aliyun.com/pypi/simple/# 从源码安装mmdetection-3.3.0
cd mmdetection-3.3.0
pip install -r requirements/build.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install -v -e ./ -i https://pypi.tuna.tsinghua.edu.cn/simple/# 安装必要包
pip install numpy1.24.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install setuptools69.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install instaboostfast -i https://pypi.tuna.tsinghua.edu.cn/simple/# 安装全景分割依赖panopticapi
cd panopticapi
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/
cd ..# 安装 LVIS 数据集依赖
cd lvis-api
pip install -e . -i https://pypi.tuna.tsinghua.edu.cn/simple/
cd ..# 安装 albumentations 依赖
pip install -r requirements/albu.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install mmengine -i https://pypi.tuna.tsinghua.edu.cn/simple/然后你的页面就是这样的 安装好环境之后我们可以输入命令进行测试一下
python 1.py然后就是这样的
数据集的介绍 数据集介绍COCOMini 数据集用于计算机视觉任务包含目标检测、实例分割、关键点检测和图像分类等应用。 特点与组成部分 多标注支持多个对象类别的标注适合上下文理解研究。多样性和复杂性覆盖多种生活场景从室内到室外从城市到自然提供了丰富的视觉多样性。详细的注释对象实例有精确的边界框和分割掩码以及人体关键点标注。80 个对象类别包括常见的物体类别如人、动物、交通工具和家具等。 然后我们就可以开始后续的测试了
python ./tools/train.py ./checkpoints/faster-rcnn_r50_fpn_1x_coco.py
会自动进行权重的下载的咱们稍等下就好了
# 经过训练我们得到pth权重通过pth权重预测我们的数据集左侧为真实物体的位置右侧为预测结果。
# 我们这里直接使用训练好的权重进行预测python tools/test.py ./checkpoints/faster-rcnn_r50_fpn_1x_coco.py ./checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth --show-dir /root/workspace/mmdetection-3.3.0/result/至此我们的实验结束
