Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
陈志鹏 f38b54b64e | 2 years ago | |
---|---|---|
.. | ||
res | 2 years ago | |
util | 2 years ago | |
readme.md | 2 years ago | |
start.py | 2 years ago |
如果需要用到modelarts,请把'fairmot/src/infer_net.py'中28行换为‘self.gather = ops.GatherV2()’,37行换为:
feat = self.gather(feat, ind, 1)
feat = self.squeeze(feat)
feat = feat[:, :, 0, :]
登录OBS管理控制台,创建OBS桶。具体请参见创建桶章节。例如,创建名称为“mindspore-dataset”的OBS桶。
创建桶的区域需要与ModelArts所在的区域一致。例如:当前ModelArts在华北-北京四区域,在对象存储服务创建桶时,请选择华北-北京四。
创建用于存放数据的文件夹,具体请参见新建文件夹章节。例如,在已创建的OBS桶“mindspore-dataset”中创建如下模型目录。
目录结构说明:
将fairmot脚本文件夹上传至“code”目录,数据集“ETH, CalTech, MOT17, CUHK-SYSU, PRW, CityPerson”,数据配置文件'data.json'以及预训练模型'dla34-ba72cf86_ms.ckpt'上传至“dataset”目录。其格式应该是下面的样子:
└── dataset
|─ dla34-ba72cf86_ms.ckpt
|─ data.json
|─ caltech.all
|─ prw.train
|─ mot17.half
|─ eth.train
|─ cuhksysu.train
|─ citypersons.train
├── Caltech
| └─ data
| ├─ images
| │ ├─set00_V000_1271.png
| │ ├─ ...
| │ └─set07_V011_1391.png
| └─ labels_with_ids
| ├─set00_V000_1271.txt
| ├─ ...
| └─set07_V011_1391.txt
├── Cityscapes
| ├─ images
| │ ├─test
| │ ├─train
| │ └─val
| └─ labels_with_ids
| ├─train
| └─val
├── CUHKSYSU
| ├─ images
| │ ├─s1.jpg
| │ ├─ ...
| │ └─s9999.jpg
| └─ labels_with_ids
| ├─s1.txt
| ├─ ...
| └─s9999.txt
├── ETHZ
| ├─ eth01
| ├─ eth02
| ├─ eth03
| ├─ eth05
| └─ eth07
├── PRW
| ├─ images
| │ ├─c1s1_000151.jpg
| │ ├─ ...
| │ └─c6s2_125693.jpg
| └─ labels_with_ids
| ├─c1s1_000151.txt
| ├─ ...
| └─c6s2_125693.txt
└── MOT17
├─ images
│ ├─test
│ └─train
└─ labels_with_ids
└─train
data.json中'train'里面各个文件目录应为"eth":"/eth.train","cuhksysu":"/cuhksysu.train"等
代码由于需要用到src目录的代码,所以需将下载后的代码中modelarts目录下的启动文件start.py放入到代码根目录下。
创建作业列表中需要先创建算法,点击创建训练作业界面后在我的算法界面点击创建。
创建算法目录,填写算法参数。如在以下填写AI引擎和代码启动目录和代码启动文件。
参数名称 | 子参数 | 说明 |
---|---|---|
AI引擎 | - | 选择mindspore版本进行训练 |
代码目录 | - | 选择启动文件所在的目录 |
启动文件 | - | 选择启动文件 |
使用华为云帐号登录ModelArts管理控制台,在左侧导航栏中选择“训练管理 > 训练作业”,默认进入“训练作业”列表。
在训练作业列表中,单击左上角“创建”,进入“创建训练作业”页面。
在创建训练作业页面,填写训练作业相关参数,然后单击“下一步”。
本步骤只提供训练任务部分参数配置说明,其他参数配置详情请参见《ModelArts AI 工程师用户指南》中“使用常用框架训练模型”章节。
填写基本信息。
设置训练作业名称。
填写作业参数。
参数名称 | 子参数 | 说明 |
---|---|---|
算法 | 我的算法 | 创建自己的算法 |
数据来源 | 数据存储位置 | 选择OBS上数据集存放的目录。 |
训练输出位置 | - | 设置模型输出目录,请尽量选择空目录来作为训练输出路径。 |
运行参数 | - | 代码中的命令行参数设置值,请根据您编写的算法代码逻辑进行填写,确保参数名称和代码的参数名称保持一致。单击“增加运行参数”可填写多个参数。示例:传入给start.py的参数:train_url:训练输出位置(默认生成)data_url:数据来源(默认生成)run_distribute:True 数据配置文件data_cfg:‘data.json’ 预训练模型load_pre_model:dla34-ba72cf86_ms.ckpt 可选参数num_epochs:迭代次数 |
作业日志路径 | - | 设置训练日志存放的目录。 |
选择用于训练作业的资源。
选择资源类型为“Ascend”。
完成参数填写后,单击“提交”。
在“规格确认”页面,确认填写信息无误后,单击“确认”,完成训练作业的创建。
训练作业一般需要运行一段时间,根据您选择的数据量和资源不同,训练时间将耗时几分钟到几十分钟不等。
多目标跟踪(MOT)是计算机视觉中的一个长期目标,旨在估计视频中感兴趣对象的轨迹。问题的成功解决可以使许多应用受益,如视频分析和人机交互等。
Python C++ Shell Markdown Text other
Dear OpenI User
Thank you for your continuous support to the Openl Qizhi Community AI Collaboration Platform. In order to protect your usage rights and ensure network security, we updated the Openl Qizhi Community AI Collaboration Platform Usage Agreement in January 2024. The updated agreement specifies that users are prohibited from using intranet penetration tools. After you click "Agree and continue", you can continue to use our services. Thank you for your cooperation and understanding.
For more agreement content, please refer to the《Openl Qizhi Community AI Collaboration Platform Usage Agreement》