简介在之前的文章中，已经介绍了配置文件、数据、模型等方面的内容，在配置文件那篇文章中其实简单介绍了部分运行时相关的内容，本文将详细展开。需要说明的时，官方是将runtime与schedule区分开的，不过从配置继承的角度来看，它们可以放到一起，因此本文都将其视为运行时配置。运行时定制自定义优化器MMDetection支持所有的PyTorch定义的优化器（optimizer），如果想要使用某个优化器
训练函数调用训练脚本python tools/train.py configs/faster_rcnn_r50_fpn_1x.py训练可选项：–work_dir：模型checkpoint以及训练log文件的输出目录，若在脚本中不设置，则为config/*.py中work_dir中的路径。–resume_from：指定在某个checkpoint的基础上继续训练，若在脚本中不设置，则为config/*
前言如何在anconda创建mmdetection虚拟环境和用pycham为项目配置环境见（linux）mmdetection环境配置gpu+anaconda+pycham+ RTX2080ti 笔记
mmdetection链接 https://github.com/open-mmlab/mmdetection或mirrors / open-mmlab / mmdetection · GitCod
编者按：我的毕设题目是基于mmdetection的行人检测，由于我的电脑没有英伟达的GPU,因而无法安装CUDA，网上大多数文章涉及CUDA的安装，对于我来说都没法直接参考。这篇文章主要是我总结的关于安装CPU版本的mmdetection的方法（电脑上有英伟达GPU的话网上大多数文章可以直接参考） Windows安装mmdetection（CPU版本）1. 安装anaconda（网上参考文章非常多
config是MMXXXX系列中的重点，可以用一个config文件跑所有的程序。这样处理的原因是参数过多。不只是因为模型参数多，选取的优化器，lr的各种变化，数据如何处理…等一堆参数。每次修改的时候，都不可能跑到源码中修改，那么一个config文件把这些所有的参数都写到一个文件中，然后程序一键构建。 config中的aaa.py文件常常索引了其他xxx1.py文件为base，并对其中部分参数进行修
GPU硬件架构不是独立的概念，它是基于cpu并行架构的发展而演变出来的。即是说理解cpu并行架构是理解gpu并行架构的重要基础。 当代处理器都是用冯诺依曼提出的处理器架构为工作基础的处理单元的电子数字计算机由：一个用于进行二进制运算的算术逻辑单元（ALU），一个用来告诉存储指令和数据的寄存器组（processor registers）（一个cpu时钟，几千个字节），一个用来控制
训练mmdetection 注：配置文件里的class_num=类别数+1，根据gpu数量修改学习率：8gpu:0.02,1gpu:0.0025 一、准备自己的数据拿nwpu数据集来举例，nwpu数据集文件夹中的内容是：images文件夹：存放数据图片 labelTxt文件夹：存放标注信息，images文件夹中每张图片都对应一个txt文件存放在此文件夹中，图片与标注文件的名称相同 test.tx
后面的不用看了，直接看最省事版本： 直接用CUDA_VISIBLE_DEVICES="2,3"指定多卡就可以，也可以给sh文件传参进去。但是，切记！切记！切记！sh文件里不能有空行，尤其是使用反斜杠 \ 连接多行的时候，
玩电脑的人们，应该都听说过IP地址。IP其实就跟我们用的身份证一样，只要连接有网络的电脑，都有一个唯一的IP地址，独一无二（这里所述说的是广域网）。我们设置IP地址对我们有何用处呢？对于一台电脑来说如果固定了IP，那么在开机时会节省很多时间（这里所说的固定IP是局域网），现在就有小编来给大家讲解一下，如何在WIN10系统中设置IP地址吧。一、win10设置ip1、在WIN10桌面上，右下角的状态栏
【mmdetection小目标检测教程】四、修改配置文件，训练专属于你的目标检测模型1.数据准备2.修改类别（1）第一处修改（2）第二处修改3.修改config文件（1）总包（2）分包1（3）分包2（4）分包34.训练模型（1）单卡训练（2）多卡训练 在前面我们已经搭建了环境、完成了高分辨率图片切分成小图，本文将介绍如何使用mmdetection配置文件训练检测模型mmdetection小目标检
GPU遮挡查询的方法是渲染一个物体时，向GPU发出遮挡查询命令，再渲染物体且不写颜色缓存和深度缓存，然后等待查询结果返回，如果查询结果为渲染的像素数量大于0则表示该物体应该被渲染，否则不被渲染。GPU遮挡查询的简单方法：1.glGenQueriesARB: 创建查询2.glBeginQueryARB: 发送查询命令3.glGetQueryivARB: 查看查询命令是否返回4.glGet
ubuntu环境下的php相关的路径php路径 /usr/bin/phpphpize5 /usr/bin/phpize5php5-fpm /usr/sbin/php5-fpmphp所有的配置文件 /etc/php5/fpm重启php-fpm sudo kill -USR2 `cat /var/run/php5-fpm.pid`ubuntu中更改apache2中php的开发目录路径安
当开始学习深度学习的时候，自然就要用到tensorflow-gpu 版，而安装是个巨坑。博主曾深深陷入其中无法自拔，最终破釜沉舟，终于成功，哈哈哈哈哈。 以下是在windows中安装tensorflow的gpu版本的教程windows下安装tensorflow -gpu1.安装cuda首先要去cuda官网下载cuda强烈推荐默认安装地址 安装步骤如下2.安装cudnn安装完cuda后，就去cudn
TensorFlow——GPU版本安装参考文章 1.http://blog.sina.com.cn/s/blog_14935c5880102wu86.html 1.winR打开诊断看电脑GPU信息dxdiag 查看电脑GPU版本 https://developer.nvidia.com/cuda-gpus 2.打开NVIDIA控制面板->帮助->组件查看当前显卡支持CUDA Tool
在进行正式的大型驱动之前，有必要先看一点基础的结构，而这些结构在前面的较为简单的驱动程序中已经出现，所以这里有必要单独抽时间来看看，加强学习。至于后面所讲到的大型驱动，除USB外有单独的框架，其它驱动也不外乎是总线、设备这些基本方法的应用，实现更为复杂的功能。 一、
Platform_device
和
Platform_driver
platform总线是Linux内核中的一个虚拟总线，
win10下pytorch-GPU+cuda安装全过程查看独立显卡选择对应型号的cuda安装对应型号的cudnn安装及相应配置conda创建虚拟环境选择清华镜像安装conda下载出现连接超时怎么办安装pytorch将虚拟环境添加至jupyter 查看独立显卡在计算机-管理-设备管理器-显示适配器中（或者任务管理器-性能中），查看是否有独立显卡。
可以看到本机有一个集成显卡和独立显卡NVI
一、 CUDA与cuDNN下载与安装（后续有安装caffe想法的同学建议执行，仅安装tensorflow可跳过此步骤）CUDA:CUDA是由Nvidia创建的并行计算平台和应用程序编程接口（API）模型。它允许软件开发人员和软件工程师使用支持CUDA的图形处理单元（GPU）进行通用处理 - 这种方法称为GPGPU（图形处理单元上的通用计算）。CUDA平台是一个软件层，可以直
安装cuda。CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台，是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。它通过利用图形处理器 (GPU) 的处理能力，可大幅提升计算性能。而所谓的GPU，则是图形处理器（graphics
GPU和CUDA基础1.显卡、GPU、CUDA显卡的作用将电脑的数字信号转换成模拟信号让显示器显示出来独立显卡和集成显卡的区别所谓集成，是指显卡集成在主板上，不能随意更换。而独立显卡是作为一个独立的器件插在主板的接口上的，可以随时更换升级。集成显卡使用物理内存，而独立显卡有自己的显存。NVIDIA显卡分类GeForce系列:家庭娱乐Quadro系列:专业绘图设计Tesla系列:高端显卡，大规模并行
MMdetection官方中文文档1：使用已有模型在标准数据集上进行推理MMDetection 在 Model Zoo 中提供了数以百计的检测模型，并支持多种标准数据集，包括 Pascal VOC，COCO，Cityscapes，LVIS 等。这份文档将会讲述如何使用这些模型和标准数据集来运行一些常见的任务，包括：使用现有模型在给定图片上进行推理在标准数据集上测试现有模型在标准数据集上训练预定义的
