华为通用软件开发工程师常德seo公司

环境

开发环境

1. GPU服务器：pytorch1.13.0，python3.10，cuda==11.7
2. nvidia-smi 查看 CUDA 版本
   3. 官网查看对应cuda版本的PyTorch，使用生成命令行安装
   3. 环境安装

conda create -n centerface python=3.7
conda activate centerface
pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple# 不安装cython报错，编译cocoAPI报错缺少 _mask.c
pip install -U cython -i https://pypi.tuna.tsinghua.edu.cn/simplepip install -U 'setuptools>=18.0' -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -U 'matplotlib>=2.1.0' -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -U progress -i https://pypi.tuna.tsinghua.edu.cn/simple## 原因：不修改，训练出来的模型精度有影响
## 定位 torch.batch_norm行，将 torch.backends.cudnn.enabled 选项更改为False
## vim /data/miniconda/envs/centernet/lib/python3.7/site-packages/torch/nn/functional.py +1697## 安装cocoAPI
mkdir /data/coding/detect
COCOAPI=/data/coding/detect/cocoapi
git clone https://github.com/cocodataset/cocoapi.git $COCOAPI
cd $COCOAPI/PythonAPI
python setup.py install --user
make# 获取训练工程
CenterFace_ROOT=/data/coding/detect/centerface_pytorch
git clone http://developer.sourcefind.cn/codes/modelzoo/centerface_pytorch.git $CenterFace_ROOTcd $CenterNet_ROOT/src/lib/external/
python setup.py install --user
make# 编译NMS
# cd $CenterNet_ROOT/lib/nms
# makepip install opencv-python
pip install numba -i https://pypi.tuna.tsinghua.edu.cn/simple

SDK 环境

1. 参考 https://github.com/chenjun2hao/CenterFace.pytorch
2. 开源训练数据：http://shuoyang1213.me/WIDERFACE/

数据

训练

测试