# CenterNet.pytorch

**Repository Path**: qinzhenyi1314/CenterNet.pytorch

## Basic Information

- **Project Name**: CenterNet.pytorch
- **Description**: 用pytorch复现的CenterNet
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: develop
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2020-01-17
- **Last Updated**: 2021-12-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# CenterNet.pytorch

#### 介绍
用pytorch复现的CenterNet
1. 自己做的 docker 镜像已安装了 pytorch 以及 CenterNet 的 各种依赖，免除安装环境的痛苦（强烈安利用docker！！！）

        CenterNet 的源码来源于 https://github.com/xingyizhou/CenterNet
        修改参照：
        升级成pytorch-1.1.0-cuda10.0 https://github.com/LiuTodd/CenterNet_for_2080ti 和 https://github.com/xingyizhou/CenterNet/issues/7
        原始github推荐的实现 https://blog.csdn.net/weixin_42634342/article/details/97756458 和
        https://blog.csdn.net/weixin_41765699/article/details/100118353
        自己项目需求进行了差异化修改,按照下边的使用说明可直接运行出结果

#### 安装教程
1. 服务器安装docker以及nvidia-docker(服务器上需已安装显卡驱动)

        安装docker参照官网 https://docs.docker.com/install/linux/docker-ce/ubuntu/#install-docker-ce-1
        安装nvidia-docker参照 https://github.com/NVIDIA/nvidia-docker
        操作docker参照 http://www.runoob.com/docker/docker-command-manual.html

2. 下载docker镜像

        由于显卡是2080Ti所以做的镜像是pytorch-1.1.0-cuda10.0，相关代码已经差异化改动
        docker pull qinzhenyi1314/centernet:pytorch1.1.0-cuda10.0-vnc-pycharm

3. 下载本项目代码

        git clone https://gitee.com/qinzhenyi1314/CenterNet.pytorch.git

#### 使用说明
1. 运行镜像

        docker run -it --rm --shm-size=25600m \
         -p 5977:5977 \
         -v /data/deeplearning:/data/deeplearning \
         -w /data/deeplearning \
         --gpus all \
         qinzhenyi1314/centernet:pytorch1.1.0-cuda10.0-vnc-pycharm

        说明：
          --shm-size=25600m 是因为pytorch使用共享内存在进程之间共享数据所以这个必须设置 这个得视服务器配置
            自己本身服务器32g 自己初步设置了25g，这个大点代码里的num_workers就可以大点，可以提升训练速度
          -v 是将服务器路径挂载到容器 /data/deeplearning 中 第一个是服务器自己代码存放路径 第二个是容器内的路径
          -p 5977 是将服务器端口和镜像端口进行映射 该镜像默认是 5977

2. 打开docker内的VNC桌面并远程连接

        window上打开VNC客户端 在VNCServer处输入 192.168.5.180:5977  前边192.168.5.180要改成自己的IP
        密码输入 zhenyi 即可登录，现在就有桌面啦~~
        分享一个自己给出的免安装的VNCServer
        链接：https://pan.baidu.com/s/1PLaUuy5mMY6npiWkbMk53g 提取码：9fyz

3. 容器内打开pycharm

        到 /home/work/pycharm-community-2019.1.1/bin/ 下运行
        bash pycharm.sh
        即可打开pycharm，项目直接提供了pycharm的工程，直接选择打开就好~

A.仅运行demo测试环境

4. 下载预训练模型

        模型文件下载要Google drive，这是参考链接里面的百度网盘地址
        链接：https://pan.baidu.com/s/1QOmIwy8lXJBuLv5hH5j3ag 提取码：vwk4
        将 ctdet_coco_dla_2x.pth 放到 models文件夹下

5. 运行demo

        用 pytorch 工程(该工程已经添加了运行参数) 运行 test.py 
        运行后会弹出结果图片，不要用鼠标关闭这张图片，而是按键盘除了 ESC 以外任意键就可以继续运行了。

B.原始coco数据集测试训练

6. 数据集准备

        原始coco数据集 http://cocodataset.org/#download
        放置方式
        ~~~
        CenterNet_ROOT=/data/deeplearning/CenterNet.pytorch/CenterNet.pytorch #视自己环境而定
        ${CenterNet_ROOT}
        |-- data
        `-- |-- coco
            `-- |-- annotations
                |   |-- instances_train2017.json
                |   |-- instances_val2017.json
                |   |-- person_keypoints_train2017.json
                |   |-- person_keypoints_val2017.json
                |   |-- image_info_test-dev2017.json
                |---train2017
                |---val2017
                |---test2017
        ~~~

7. 运行训练

        由于代码里是用bar显示运行进度，所以pycharm下不会显示进度，所以在终端运行
        python main.py ctdet --exp_id coco_dla --batch_size 32 --num_workers 18 --master_batch 1 --lr 1.25e-4  --gpus 0,1,2,3
        要是显卡性能差可以适当减少 batch_size
        要是cpu性能差可以适当减少 num_workers
        跑了一个epoch就会存一个model_last.pth

8. 查看训练结果

        python test.py --exp_id coco_dla --not_prefetch_test ctdet --load_model ../exp/ctdet/coco_dla/model_best.pth

C.自己数据集训练