Skip to content

Latest commit

 

History

History
126 lines (85 loc) · 3.73 KB

INSTALL_cn.md

File metadata and controls

126 lines (85 loc) · 3.73 KB

English | 简体中文

安装文档

环境要求

  • PaddlePaddle 2.1
  • OS 64位操作系统
  • Python 3(3.5.1+/3.6/3.7/3.8/3.9),64位版本
  • pip/pip3(9.0.1+),64位版本
  • CUDA >= 10.1
  • cuDNN >= 7.6

PaddleDetection 依赖 PaddlePaddle 版本关系:

PaddleDetection版本 PaddlePaddle版本 备注
release/2.1 >= 2.1.0 默认使用动态图模式
release/2.0 >= 2.0.1 默认使用动态图模式
release/2.0-rc >= 2.0.1 --
release/0.5 >= 1.8.4 大部分模型>=1.8.4即可运行,Cascade R-CNN系列模型与SOLOv2依赖2.0.0.rc版本
release/0.4 >= 1.8.4 PP-YOLO依赖1.8.4
release/0.3 >=1.7 --

安装说明

1. 安装PaddlePaddle

# CUDA10.1
python -m pip install paddlepaddle-gpu==2.1.0.post101 -f https://paddlepaddle.org.cn/whl/mkl/stable.html

# CPU
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

请确保您的PaddlePaddle安装成功并且版本不低于需求版本。使用以下命令进行验证。

# 在您的Python解释器中确认PaddlePaddle安装成功
>>> import paddle
>>> paddle.utils.run_check()

# 确认PaddlePaddle版本
python -c "import paddle; print(paddle.__version__)"

注意

  1. 如果您希望在多卡环境下使用PaddleDetection,请首先安装NCCL

2. 安装PaddleDetection

可通过如下两种方式安装PaddleDetection

2.1 通过pip安装

注意: pip安装方式只支持Python3

# pip安装paddledet
pip install paddledet==2.1.0 -i https://mirror.baidu.com/pypi/simple

# 下载使用源码中的配置文件和代码示例
git clone https://github.com/PaddlePaddle/PaddleDetection.git
cd PaddleDetection

2.2 源码编译安装

# 克隆PaddleDetection仓库
cd <path/to/clone/PaddleDetection>
git clone https://github.com/PaddlePaddle/PaddleDetection.git

# 编译安装paddledet
cd PaddleDetection
python setup.py install

# 安装其他依赖
pip install -r requirements.txt

注意

  1. 若您使用的是Windows系统,由于原版cocoapi不支持Windows,pycocotools依赖可能安装失败,可采用第三方实现版本,该版本仅支持Python3

    pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

  2. 若您使用的是Python <= 3.6的版本,安装pycocotools可能会报错distutils.errors.DistutilsError: Could not find suitable distribution for Requirement.parse('cython>=0.27.3'), 您可通过先安装cythonpip install cython解决该问题

安装后确认测试通过:

python ppdet/modeling/tests/test_architectures.py

测试通过后会提示如下信息:

.....
----------------------------------------------------------------------
Ran 5 tests in 4.280s
OK

快速体验

恭喜! 您已经成功安装了PaddleDetection,接下来快速体验目标检测效果

# 在GPU上预测一张图片
export CUDA_VISIBLE_DEVICES=0
python tools/infer.py -c configs/ppyolo/ppyolo_r50vd_dcn_1x_coco.yml -o use_gpu=true weights=https://paddledet.bj.bcebos.com/models/ppyolo_r50vd_dcn_1x_coco.pdparams --infer_img=demo/000000014439.jpg

会在output文件夹下生成一个画有预测结果的同名图像。

结果如下图: