KJ 隨手記

本章利用Carla Simulator產生11張在相同地點不同霧濃度的路況場景，且利用YOLOv5提供的yolov5s.pt和yolov5s6.pt預訓練模型進行物件偵測，結果(無霧->濃霧)如下： yolov5s yolov5s6 結論：     兩個模型所偵測出來的物件的Confidence和霧的濃霧有關，霧變濃Confidence就變低。 參考：     1. Carla Simulator     2.  YOLOv5

 1. (本地端)下載 TightVNC 2. (本地端)安裝 TightVNC Viewer      執行剛才下載好的檔案，並且按照下方步驟即可完成安裝。     3. (遠端)(有GPU)下載並安裝VirtualGL wget https://github.com/VirtualGL/virtualgl/releases/download/3.1.2/virtualgl_3.1.2_amd64.deb sudo dpkg -i virtualgl_3.1.2_amd64.deb rm virtualgl_3.1.2_amd64.deb 4.  (遠端)下載並安裝TurboVNC Server & Viewer wget https://github.com/TurboVNC/turbovnc/releases/download/3.1.2/turbovnc_3.1.2_amd64.deb sudo dpkg -i turbovnc_3.1.2_amd64.deb rm turbovnc_3.1.2_amd64.deb 5. (遠端)配置 X sudo nvidia-xconfig - a --use- display -device=None --virtual= 1280 x1024 6. (遠端)啟動Xorg sudo nohup Xorg :7 & 7. (遠端)啟動TurboVNC Server /opt/TurboVNC/bin/vncserver :8 注意：這邊應該會要你輸入待會讓本地端連接的密碼 8. (遠端)(有GPU)測試VGL DISPLAY=:8 vglrun -d :...

1. 安裝 conda install tensorboard 2. 啟動 & 面臨問題 啟動tensorboard會出現 Numpy版本超過2.0會有問題 (pytorch) C:\Users\KJ.Chang\Desktop\code\YOLOv1>tensorboard --logdir=runs Traceback (most recent call last): File "C:\Users\KJ.Chang\AppData\Local\anaconda3\envs\pytorch\Scripts\tensorboard-script.py", line 6, in <module&rt; from tensorboard.main import run_main File "C:\Users\KJ.Chang\AppData\Local\anaconda3\envs\pytorch\lib\site-packages\tensorboard\main.py", line 27, in <module&rt; from tensorboard import default File "C:\Users\KJ.Chang\AppData\Local\anaconda3\envs\pytorch\lib\site-packages\tensorboard\default.py", line 39, in <module&rt; from tensorboard.plugins.hparams import hparams_plugin File "C:\Users\KJ.Chang\AppData\Local\anaconda3\envs\pytorch\lib\site-packages\tensorboard\plugins\hparams\hparams_plugin.py", line 30, in <module> from tensorboard.plugins.hparams import backend_context Fi...

1.檢查CUDA版本資訊     在終端輸入  nvidia-smi 可以觀察到我的CUDA版本為12.7 2.下載並安裝CUDA ToolKit     CUDA Toolkit 12.4 Downloads            點擊下載好的檔案 -> 選擇自定義安裝 -> 將Visual Studio Integration取消勾選(沒有使用Visual Studio) -> 下一步 -> 安裝。     安裝完成後，打開環境變數檢查是否存在。     開啟終端，輸入 nvcc -V   查看CUDA Compiler的版本，從結果可以看到顯示release 12.4，表示安裝成功；若出現錯誤，可能是未將路徑加入到環境變數中。      3.下載cuDNN      cuDNN 9.6.0 Downloads          下載完後會是一個壓縮檔案，請先將它解壓縮，然後將裡面的所有檔案全選並且複製到CUDA ToolKit安裝好的位置(我安裝的位置是在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4)，接著它會問說是否取代這些檔案，這邊選擇取代。      將bin、include、lib、libnvvp都加入到Path環境變數中。          開啟終端並且在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\extras\demo_suite目錄底下執行bandwidth.exe和deviceQuery.exe，最下方顯示Reuslt = PASS表使成功。 4.使用Anaconda虛擬環境安裝Pytorch      Anaconda載點          首先，開啟Anac...