算法在1050Ti cuda11.2上的运行

环境已经配置好
原代码需要根据配置不同进行修改
由于时间紧所以不能重头开始学习python，所以想请教怎么在1050Ti cuda11.2 Windows10上运行
项目地址https://github.com/zorzi-s/PolyWorldPretrainedNetwork

看了下 readme.md
你检查下你的 cuda 驱动，cudnn 还有各种库是否都全了。不全也没事，如果运行提示少什么就补什么
然后从他文件里说的地方 https://files.icg.tugraz.at/d/a9d6a9412c0f49a88ab9/ 下载数据集 train 是训练，val是验证，都下载了解压缩
然后运行 prediction.py

TechWhizKid参考GPT回答：

  • 这个项目是PolyWorld，一个由TUGraz计算机图形和视觉研究所以及BlackShark.ai合作的研究项目。PolyWorld是一个神经网络，可以端对端地从图像中提取多边形对象。该模型使用图神经网络检测顶点候选项并预测每对顶点之间的连接强度。这个GitHub库包括用于评估PolyWorld在CrowdAI Mapping Challenge数据集上的推断代码和预训练权重

关于在1050Ti，CUDA 11.2，Windows 10上运行此项目的步骤，首先，你需要确保安装以下依赖项：

  • pycocotools
  • pyshp
  • torch

然后，按照以下步骤操作：

  1. 克隆这个项目的GitHub库。
  2. 从这里下载预训练权重，将文件放在trained_weights文件夹中
  3. 在prediction.py脚本的主函数中，指定批处理大小，图像文件夹，以及CrowdAI数据集的注释文件，然后运行python prediction.py
  • 需要注意的是，原始代码在Nvidia RTX 3090上使用批处理大小为6进行了测试。但是，由于你使用的是1050Ti，可能需要减小批处理大小以适应你的GPU内存。
  • 在推断过程中，脚本会将预测的多边形转换为coco格式并保存为一个json文件（predictions.json）。
  • 如果你想在QGIS中可视化结果，建议使用coco_to_shp.py脚本将预测结果从coco json格式转换为shapefile。为了运行转换，需要在主函数中指定json文件和输出文件夹，然后运行python coco_to_shp.py
  • 如果你想计算IoU和C-IoU指标，可以使用coco_IoU_cIoU.py脚本。为了运行评估，需要在主函数中指定json文件和地面真实注释，然后运行python coco_IoU_cIoU.py

img

在1050Ti cuda11.2上的运行
可以借鉴下
https://blog.csdn.net/weixin_44739865/article/details/121460260

源于chatGPT仅供参考,如有帮助,望采纳谢谢!


```c#
在1050Ti显卡上运行基于CUDA的算法，您可以按照以下步骤进行操作：

1. 安装CUDA Toolkit：首先，确保您已经安装了CUDA Toolkit。您可以从NVIDIA官方网站下载并安装适合您的CUDA版本（在这种情况下是CUDA 11.2）。

2. 配置环境变量：安装完成后，将CUDA的bin目录路径添加到系统环境变量中。这样，您就可以在命令行中直接使用CUDA相关命令。

3. 确认CUDA驱动：检查您的显卡驱动是否与所安装的CUDA版本兼容。您可以访问NVIDIA官方网站查找适合您显卡和CUDA版本的最新驱动程序，并进行安装。

4. 安装Python库：使用`pip`或者`conda`等工具安装必要的Python库，例如PyTorch、TensorFlow、NumPy等。根据您的算法需求，选择相应的库进行安装。

5. 修改代码：根据您的CUDA和显卡版本，修改原始代码以适应1050Ti显卡。可能需要调整算法中的一些参数、模型结构或使用适合当前CUDA版本的库和函数。

6. 运行算法：使用命令行或集成开发环境（IDE）打开代码文件，执行脚本或运行主程序以开始运行算法。确保您的代码正确导入所需的库，并在运行时指定CUDA设备为1050Ti。

注意事项：
- 在Windows系统上，使用命令提示符或PowerShell来运行Python脚本。确保您已经激活了虚拟环境（如果有）。
- 如果您的显卡驱动和CUDA版本不匹配，可能需要降低CUDA版本或更新显卡驱动以满足要求。
- 根据您的算法和模型大小，1050Ti显卡可能会有一些性能限制。如果遇到内存不足或性能瓶颈的问题，可能需要优化算法或考虑更高性能的显卡。

请注意，根据您的具体情况进行必要的调整。这些步骤提供了一个大致的指南，但具体的实施细节可能因您的算法、库版本和开发环境而有所不同。

```