PulseFocusPlatform/static/docs/tutorials/INSTALL_cn.md

安装说明

---

目录

• 简介
• 安装PaddlePaddle
• 其他依赖安装
• PaddleDetection

简介

这份文档介绍了如何安装PaddleDetection及其依赖项(包括PaddlePaddle)。

PaddleDetection的相关信息，请参考README.md.

安装PaddlePaddle

环境需求:

• OS 64位操作系统
• Python2 >= 2.7.15 or Python 3(3.5.1+/3.6/3.7)，64位版本
• pip/pip3(9.0.1+)，64位版本操作系统
• CUDA >= 9.0
• cuDNN >= 7.6

如果需要 GPU 多卡训练，请先安装NCCL(Windows暂不支持nccl)。

PaddleDetection 依赖 PaddlePaddle 版本关系：

PaddleDetection版本	PaddlePaddle版本	备注
release/0.3	>=1.7	--
release/0.4	>= 1.8.4	PP-YOLO依赖1.8.4
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/2.0-rc	>= 2.0.1	--

# install paddlepaddle
# 如果您的机器安装的是CUDA9，请运行以下命令安装
python -m pip install paddlepaddle-gpu==2.0.1.post90 -i https://mirror.baidu.com/pypi/simple

如果您的机器安装的是CUDA10.1，请运行以下命令安装
python -m pip install paddlepaddle-gpu==2.0.1.post101 -f https://paddlepaddle.org.cn/whl/mkl/stable.html

如果您的机器是CPU，请运行以下命令安装
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

更多的安装方式如conda, docker安装，请参考安装文档中的说明进行操作

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__)"

其他依赖安装

COCO-API:

运行需要COCO-API，安装方式如下：

# 安装pycocotools
pip install pycocotools

windows用户安装COCO-API方式：

# 若Cython未安装，请安装Cython
pip install Cython

# 由于原版cocoapi不支持windows，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

PaddleDetection

安装Python依赖库：

Python依赖库在requirements.txt 中给出，可通过如下命令安装：

pip install -r requirements.txt

克隆PaddleDetection库：

您可以通过以下命令克隆PaddleDetection：

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

提示：

也可以通过 https://gitee.com/paddlepaddle/PaddleDetection 克隆。

cd <path/to/clone/PaddleDetection>
git clone https://gitee.com/paddlepaddle/PaddleDetection

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 12 tests in 2.480s
OK (skipped=2)

预训练模型预测

使用预训练模型预测图像，快速体验模型预测效果：

# use_gpu参数设置是否使用GPU
python tools/infer.py -c configs/ppyolo/ppyolo.yml -o use_gpu=true weights=https://paddlemodels.bj.bcebos.com/object_detection/ppyolo.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：