文章目录准备工作CUDA安装cudnn安装准备工作注：本机系统为Ubuntu20.041.安装显卡驱动打开‘软件和更新，点击附加驱动安装显卡驱动。2.gcc安装若系统为Ubuntu22.04，则需要安装。在终端输入一下指令，查看有没有gcc。gcc--version3.gcc安装本机ubuntu20.04gcc自带版本为9.4.0安装gcc-7，command：sudoapt-getinstallgcc-7g++-7安装完gcc-7，系统中就存在两个版本的gcc，因此要设置默认的gcc，命令如下：sudoupdate-alternatives--install/usr/bin/gccgcc/u
目录Mask-RCNN概述训练自己数据步骤工具Labelme标注数据源码需要改动地方训练之后的测试结果Mask-RCNN概述MaskR-CNN是一种广泛应用于目标检测和图像分割任务的深度学习模型，它是由FasterR-CNN（一种快速目标检测模型）和MaskR-CNN（一种实例分割模型）组成的。MaskR-CNN将FasterR-CNN中的RPN和RoIPooling层替换成了RPN和RoIAlign层，以实现像素级的图像分割，能够同时检测出多个对象，并对每个对象进行像素级的分割。MaskR-CNN的主要思路是在FasterR-CNN的基础上增加一个分支网络，即Mask分支，该分支网络可以对检
一、具体介绍timm是一个PyTorch原生实现的计算机视觉模型库。它提供了预训练模型和各种网络组件，可以用于各种计算机视觉任务，例如图像分类、物体检测、语义分割等等。timm的特点如下：PyTorch原生实现：timm的实现方式与PyTorch高度契合，开发者可以方便地使用PyTorch的API进行模型训练和部署。轻量级的设计：timm的设计以轻量化为基础，根据不同的计算机视觉任务，提供了多种轻量级的网络结构。大量的预训练模型：timm提供了大量的预训练模型，可以直接用于各种计算机视觉任务。多种模型组件：timm提供了各种模型组件，如注意力模块、正则化模块、激活函数等等，这些模块都可以方便地
池化操作零、池化操作一、MaxPool：最大池化1）MaxPool1d（1）调用方式（2）参数解析：一般我们只需要设置kernel_size和stride，其他保持即可。（3）实例2）MaxPool2d（1）调用方式（2）参数解析（3）实例二、AvgPool：平均池化1）AvgPool1d（1）调用方式（2）实例2）AvgPool2d（1）调用方式（2）实例三、AdaptiveMaxPool：自适应最大池化1）AdaptiveMaxPool1d（1）调用方式（2）实例2）AdaptiveMaxPool2d（1）调用方式（2）实例四、AdaptiveAvgPool：自适应平均池化1）Adapti
一、如何查看CUDA版本？1.1查看runtime版本的CUDA（1）nvcc-V或nvcc--version（2）在CUDA的include文件夹中找到cuda.h文件打开后搜索version。上面这张图的cuda路径是我在安装的时候自定义的，不要完全参考。 （3）查看conda指令安装的CUDA版本用下面的代码去查看CUDA和cudnn版本。importtorchprint(torch.__version__)print(torch.version.cuda)print(torch.backends.cudnn.version()) 下面是我在虚拟环境1和2上运行的结果，有一个结果cuda
JetsonXavierNX默认安装的OpenCV4.5.4(不带cuda)，因项目要求OpenCV使用cuda作加速，因此，须重新编译OpenCV。这里为了方便直接在目标机上面编译，避免复杂的环境及依赖。1.下载OpenCV源代码下载地址：OpenCV·GitHub我这里下载opencv-4.5.4，opencv_contrib-4.5.4，下载后并解压。2.卸载原来的OpenCVsudoapt-getpurgelibopencv*python-opencv查看是否卸载：libs:pkg-configopencv--libsversion:pkg-configopencv--modversi
一般pytorch-lightning需要torch版本≥1.8.0。在安装pytorch-lightning时一定注意自己的torch是pip安装还是conda安装，两者要保持一致，不然会导致安装pytorch-lightning时会直接卸载掉你的torch，安装cpu版本的torch。https://pytorch-lightning.readthedocs.io/en/stable/starter/installation.html#installation-from-sourcepytorch-lightning官网pip安装pipinstallpytorch-lightning如果要
文章目录前言相关资源下载OpenCVCUDA下载CUDNN下载编译错误异常前言本文用来记录在linux环境下docker中编译OpenCVwithcuda的过程，同时编译了4.5.4和4.6.0两个版本均可编译通过。本地是linux环境也可参考本文完成编译。系统：debian11CPU：i7内存：16G显卡：NvidiaQuadroM2000相关资源下载OpenCVgithub直接下载连接：OpenCV4.5.4sourcecodeOpenCV4.6.0sourcecode如需下载其他版本可自行通过下述链接下载：githubreleasepageCUDA下载对应CUDA版本最低显卡驱动要求1，
一、前言本文主要介绍JetsonOringNano,JetsonNano,JetsonTX2这三块开发板上OpenCV的卸载安装及编译（支持CUDA模块）；解决了一些出现的问题。二、卸载OpenCV如何查看本机安装的OpenCV是否支持CUDA?如果已安装jtop，可以直接使用jtop查看，命令如下。sudojtop按数字6查看INFO页面（某些开发板是7INFO），可以看到：*OpenCV: 4.1.1 compiledCUDA: NO从官网拉下来的OpenCV（已编译）是不支持CUDA加速的，无法充分利用GPU。如果未安装jtop，可以使用以下命令查看opencv库：pkg-config-
NvidiaJetsonXavierNX/AGXdockerWHY镜像地址使用方法docker常用命令备忘jtop安装关于保存容器镜像关于使用dockerfile构建关于映射外部路径让容器访问外部文件关于性能WHY在jetson上使用docker跑opencv和pytorch其实主要是要找对镜像，docker官方的hub里并没有适合的能直接跑的镜像，但是nvidia自己提供了L4T的pytorch和ML镜像。镜像地址单独pytorch的镜像：https://catalog.ngc.nvidia.com/orgs/nvidia/containers/l4t-pytorch整合了opencv，py
