行人重识别02-02：fast-reid(BoT)-官方数据训练测试

以下链接是个人关于fast-reid(BoT行人重识别) 所有见解，如有错误欢迎大家指出，我会第一时间纠正。有兴趣的朋友可以加微信：17575010159 相互讨论技术。若是帮助到了你什么，一定要记得点赞！因为这是对我最大的鼓励。 文末附带 \color{blue}{文末附带} 文末附带 公众号 − \color{blue}{公众号 -} 公众号− 海量资源。 \color{blue}{ 海量资源}。 海量资源。 行人重识别02-00：fast-reid(BoT)-目录-史上最新无死角讲解

极度推荐的商业级项目： \color{red}{极度推荐的商业级项目：} 极度推荐的商业级项目：这是本人落地的行为分析项目，主要包含（1.行人检测，2.行人追踪，3.行为识别三大模块）：行为分析(商用级别)00-目录-史上最新无死角讲解

注意，本人编写该博客的时间为 2020 / 08 / 15 ，也就是说，你现在下载的作者代码或许和 \color{red}{注意，本人编写该博客的时间为2020/08/15，也就是说，你现在下载的作者代码或许和} 注意，本人编写该博客的时间为2020/08/15，也就是说，你现在下载的作者代码或许和 本人的代码不一样（如果作者有更新过）还有就是，本人调试该代码为 u b u n t u 18.04 系统 \color{red}{本人的代码不一样（如果作者有更新过）还有就是，本人调试该代码为ubuntu18.04系统} 本人的代码不一样（如果作者有更新过）还有就是，本人调试该代码为ubuntu18.04系统 即下面的报错使用 u b u n t u 18.04 报错的过程，以及解决办法 \color{red}{即下面的报错使用ubuntu18.04报错的过程，以及解决办法} 即下面的报错使用ubuntu18.04报错的过程，以及解决办法

anconda环境搭建

请安装合适 c u d a 版本的 p y t o r c h ，不要直接复制 \color{red}{请安装合适cuda版本的pytorch，不要直接复制} 请安装合适cuda版本的pytorch，不要直接复制

# fast-reid-root表示从github下载项目的根目录
cd ${fast-reid-root}
conda create -n 06.fastreid-pytorch1.5-py3.6  -y python=3.6
conda activate 06.fastreid-pytorch1.5-py3.6
pip install torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
pip install faiss-cpu -i https://pypi.douban.com/simple
pip install tensorboard Cython pyyaml yacs termcolor sklearn -i https://pypi.douban.com/simple
cd fastreid/evaluation/rank_cylib
make all

数据模型摆放

根据上一篇博客，我们下载到了Market-1501-v15.09.15.zip数据集，本人摆放如下： 没有的目录请自行创建，然后自行如下指令：

# fast-reid-root表示从github下载项目的根目录
cd ${fast-reid-root}
rm datasets -r
ln -s  /work/2.ChiPeak/3.ReidAbout/1.PesonReid/Dataset  datasets

根据链接：https://github.com/JDAI-CV/fast-reid/blob/master/docs/MODEL_ZOO.md 下载如下模型： 下载好market_bot_R50.pth文件放在 checkpoints(自行创建) 文件夹下面。

模型训练

本人自行如下代码：

./tools/train_net.py --config-file ./configs/Market1501/bagtricks_R50.yml MODEL.DEVICE "cuda:0"

打印如下：  

模型评估

python tools/train_net.py --config-file ./configs/Market1501/bagtricks_R50.yml --eval-only \
MODEL.WEIGHTS checkpoints/market_bot_R50.pth  MODEL.DEVICE "cuda:0"

执行之后本人打印如下：  

结语

到这里，我们已经把模型训练起来，并且做了测试。下小节我们会对论文 Bag of Tricks and A Strong Baseline for Deep Person Re-identification 进行翻译，然后再对源码进行解读。