使用colab运行深度学习gpu应用(Mask R-CNN)实践

Google Colaboratory(https://colab.research.google.com)是谷歌开放的一款研究工具,主要用于机器学习的开发和研究。这款工具现在可以免费使用,但是不是永久免费暂时还不确定。Google Colab最大的好处是给广大的AI开发者提供了免费的GPU使用!GPU型号是Tesla K80!你可以在上面轻松地跑例如:Keras、Tensorflow、Pytorch等框架。

 

Mask R-CNN(https://github.com/matterport/Mask_RCNN),Mask R-CNN for object detection and instance segmentation on Keras and TensorFlow,是一款物体检测与分割的开源软件。Mask R-CNN是ICCV 2017的best paper,彰显了机器学习计算机视觉领域在2017年的最新成果。在机器学习2017年的最新发展中,单任务的网络结构已经逐渐不再引人瞩目,取而代之的是集成,复杂,一石多鸟的多任务网络模型。Mask R-CNN就是典型的代表。本篇大作的一作是何凯明。

 

本文目的在于尝试在colab上使用其GPU运行环境,运行Mask R-CNN的demo,看看实际运行的速度和效果究竟如何。

2,运行环境准备

参考文件:Google Colab——用谷歌免费GPU跑你的深度学习代码

https://www.jianshu.com/p/000d2a9d36a0

 

为使mrcnn的demo代码能在colab中跑起来,需先安装运行环境。步骤如下:

è       将github项目代码复制到google云端硬盘中。

è       在云端notebook中启动demo代码。

è       设置notebook代码运行环境

è       安装软件并挂载Google Drive

è       安装requirements包

è       安装mrcnn包

2.1复制代码

将Mask R-CNN代码从github下载,然后上传到google云端硬盘中。具体步骤略过。

 

使用colab运行深度学习gpu应用(Mask R-CNN)实践

 

2.2,打开代码

在google drive目录中找到 samples目录下的demo.ipynb文件,点击鼠标右键,选择“打开方式”,选择“Colaboratory”

 

 

使用colab运行深度学习gpu应用(Mask R-CNN)实践

 

 

2.3,设置代码环境

 

使用colab运行深度学习gpu应用(Mask R-CNN)实践

 

 

依次选择菜单项:修改—笔记本设置,在设置界面选择GPU加速器。

 

使用colab运行深度学习gpu应用(Mask R-CNN)实践

 

 

2.4,安装必要的包和软件

点击“+代码”按钮,在其中输入以下代码,按ctrl+enter运行

!apt-get install -y -qq software-properties-common python-software-properties module-init-tools !add-apt-repository -y ppa:alessandro-strada/ppa 2>&1 > /dev/null !apt-get update -qq 2>&1 > /dev/null !apt-get -y install -qq google-drive-ocamlfuse fuse from google.colab import auth auth.authenticate_user() from oauth2client.client import GoogleCredentials creds = GoogleCredentials.get_application_default() import getpass !google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret} < /dev/null 2>&1 | grep URL vcode = getpass.getpass() !echo {vcode} | google-drive-ocamlfuse -headless -id={creds.client_id} -secret={creds.client_secret}

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wppyxg.html