xylop
工程师
工程师
  • 最后登录2020-10-19
  • 发帖数239
  • 金币3595枚
  • 贡献勋章0枚
  • 社区居民
  • 忠实会员
阅读:5848回复:115

Halcon深度学习环境搭建

楼主#
更多 发布于:2020-04-23 00:38
因为这篇帖子有些图片无法显示出来,这里贴出来我CSDN的原贴。
https://blog.csdn.net/cashmood/article/details/105042928





前几天在看深度学习,无意中发现halcon已经可以进行深度学习了。所以使用自己电脑进行了环境搭建。因为对深度学习不是很了解,所以走了许多弯路,也总是战战兢兢的。现在对halcon的环境搭建做一次完整的介绍,让大家按照这个步骤就可以完成系统环境的配置。接下来让我们开始吧!




halcon深度学习介绍


HALCON是德国MVtec公司开发的一套完善的标准的机器视觉算法包,拥有应用广泛的机器视觉集成开发环境。它节约了产品成本,缩短了软件开发周期——HALCON灵活的架构便于机器视觉,医学图像和图像分析应用的快速开发。在欧洲以及日本的工业界已经是公认具有最佳效能的Machine Vision软件。
HALCON2017版本即带深度学习算法包。可以进行物体识别、分类、语义分割。
Halcon_深度学习功能介绍资料:



https://pan.baidu.com/s/1Q3ZN1Wek6JEldmn1IbyULg
提取码:ncxc



系统与环境搭建




1、对电脑系统与硬件的要求与安装方式介绍




1、深度学习基于CPU版本


德国HALCON公司机器视觉软件 HALCON18.05于2018年5月22日正式发布。

实现CPU分类,在CPU上进行深度学习

借助HALCON 18.05,客户可以在CPU上执行深度学习,深度学习不再需要GPU。

Halcon 18.05的CPU深度学习方法已针对英特尔兼容x86 CPU进行了高度优化。

♚♚♚安装CPU版本,只需要进行环境搭建与软件安装部分的以下操作:

1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe


以下部分可以不进行操作:
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量


注意: 深度学习基于CPU,在模型训练等过程中运行时长远远大于基于GPU版本,所以还是推荐基于GPU版本,但是如果因为经济条件等因素,CPU版本用来学习还是够用的。



2、深度学习基于GPU版本


[table=711,transparent,,1,center][tr][td]     要求一:电脑必须要有 NVIDIA 独立显卡,并且GPU处理能力3.0以上[/td][/tr][/table]
如何查询电脑的显卡型号呢?
1、在电脑桌面,右击“此电脑”,点击“属性”
2、在打开界面,选择“设备管理器”
3、先在“设备管理器”界面,点击“显示适配器”,显卡的型号就会显示出来。
一般 Intel开头的为集成显卡,
一般 AMD、NVIDIA开头的为独立显卡。
4、需要查看显卡详细信息,则右击显卡选择“属性”
文字理解起来不好理解的话这里有图文教程的传送门:https://jingyan.baidu.com/article/4b07be3c90026f48b380f399.html
如何查询显卡算力?
GPU处理能力对照表传送门https://blog.csdn.net/real_myth/article/details/44308169
如何使用这个表格呢?

例子:例如我们的显卡型号为GTX1060,我们在表格中的GPU型号一栏找到我们的显卡型号,之后查询其对应算力为6.1,符合要求。


[table=711,transparent,,1,center][tr][td]     要求二:必须64位操作系统(Win7&Win10)[/td][/tr][/table]
如何查看自己电脑是64位还是32位

这里就不教大家如何装电脑系统了,只附上一键装机的链接,供大家参考使用。(装机对电脑的数据可能造成损坏,如果不熟悉可以私信我,装机有风险)
一键装机传送门 http://hbs.binggongjinghua.com/


♚♚♚安装GPU版本,需要进行环境搭建与软件安装部分的所有操作:
1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量


注意: 不要觉得安装繁琐,安装成功程序跑起来的时候,这些付出都值得。



2、环境搭建与软件安装


在电脑满足系统与硬件的要求的情况下,我们进行软件的安装与环境搭建。
这里我们需要安装所需要的软件
深度学习基于CPU版本:
1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe


深度学习基于GPU版本:

1、安装halcon-19.11.0.0-windows.exe
2、安装halcon-19.11.0.0-windows-deep-learning-core.exe
3、安装halcon-19.11.0.0-windows-deep-learning-data.exe
4、安装CUDA运算平台软件
5、安装cuDNN支持包
6、配置环境变量


开始吧!!!!少年



1、安装halcon-19.11.0.0-windows.exe


halcon软件的安装包括两个内容一个是软件本身的安装,一个是软件试用授权文件License的安装。
试用License为一月一换,到期必须更换,购买正版授权加密狗可免限制使用。
请勿修改系统时间去尝试延长授权使用时间,否则将导致被Halcon程序锁死无法使用!
1、下载halcon-19.11.0.0-windows.exe安装包



halcon-19.11.0.0-windows.exe安装包
链接:https://pan.baidu.com/s/1W9X5vy0Wu0q1ZpG6z15QVQ
提取码:sbgn

halcon-19.11.0.0授权License文件(20204月)
链接:https://pan.baidu.com/s/1UTLEjNX1NOaVaSt6JeJKQA
提取码:tbjp

2、halcon-19.11.0.0-windows.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows.exe软件,选择以管理员身份运行,打开安装程序,如下图所示:

安装程序运行,点击红色框内下一步继续

②、如果电脑安装其他版本halcon,安装软件提示是否卸载之前版本,如果需要卸载点击红色方框内的是按钮,如果保留两个版本,则点击蓝色方框内的否按钮。如果电脑没有安装halcon其他版本,则不会出现此步骤出现的内容。

如果点击了上一幅图示中的红色方框内的是按钮,则会出现下图所示内容,点击红色方框内的是按钮,继续安装。

③、之后弹出软件许可协定,首先将红色方框内的滑动条拖拽到最下方,之后勾选蓝色方框内的选择框,最后点击③橘色方框内的Next按钮继续。

④、接下来弹出是否检查更新的问询窗口,我们先取消红色方框内的勾选框,点击蓝色方框内的Next继续。如下图所示。

⑤、接下来弹出系统位数选择窗口,我们先选择红色方框内的X64勾选框,再点击蓝色方框内的Next继续。

⑥、接下来弹出安装内容选择窗口,我们先全选红色方框内的所有选项,之后点击蓝色方框内的Next继续。




⑦、接下来弹出介绍窗口,我们直接点击蓝色方框内的Next继续。


⑧、之后弹出是否安装GigE的驱动选项窗口。(是否使用halcon软件连接GigE接口的相机)我们这里选择安装。首先选择红色方框内的勾选框,之后点击蓝色方框内的Next继续。

⑨、接下来显示软件的安装语言,我们选择英语。首先选择红色方框内的勾选框,之后点击蓝色方框内的Next继续。

⑩、之后弹出安装位置选择窗口。首先点击红色方框内的按钮选择安装路径,之后点击蓝色方框内的Install进行软件安装。

⑪、之后会出现提示,我们点击确定,继续即可。

⑫、软件开始安装

⑬、等待软件安装完成,点击红色方框内Next按钮以继续。

⑭、问询是否安装许可证,我们选择不安装。首先点击红色方框内的选择按钮,之后点击蓝色方框内的Next按钮以继续。

⑮、创建桌面快捷方式,结束安装程序。首先点击红色方框内的选择按钮,之后点击蓝色方框内的Finish按钮以结束。

3、安装软件授权License
①、下载License文件



halcon-19.11.0.0授权License文件(20204月)
链接:https://pan.baidu.com/s/1UTLEjNX1NOaVaSt6JeJKQA
提取码:tbjp

②、将License文件复制到安装目录下的\license\文件夹下


例如:
halcon安装在:
D:\halcon2019\
则License许可放置位置在:
D:\halcon2019\license\ 文件夹下即可。



2、安装halcon-19.11.0.0-windows-deep-learning-core.exe


1、下载halcon-19.11.0.0-windows-deep-learning-core.exe安装包


halcon-19.11.0.0-windows-deep-learning-core.exe安装包
链接: https://pan.baidu.com/s/1InknWnc9UuAYA5sqSANhSg
提取码: sj7b

2、halcon-19.11.0.0-windows-deep-learning-core.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows-deep-learning-core.exe软件,选择以管理员身份运行,打开安装程序,如下图所示:

②、安装程序启动后,点击点击红色方框内Next按钮以继续。如下图所示

③、选择安装内容。首先点击红色方框内的选择按钮选中安装部分文件,之后点击蓝色方框内的Next按钮以继续。如下图所示。

④、安装开始。如下图所示。

⑤、安装结束。点击点击红色方框内Next按钮以继续。如下图所示

⑥、点击红色方框内的Finish按钮以关闭安装软件。




3、安装halcon-19.11.0.0-windows-deep-learning-data.exe


1、下载halcon-19.11.0.0-windows-deep-learning-data.exe安装包


halcon-19.11.0.0-windows-deep-learning-data.exe安装包
链接: https://pan.baidu.com/s/1RdFtFNzQPEpiK2_ewrFGXA
提取码: jmhp

2、halcon-19.11.0.0-windows-deep-learning-data.exe软件安装
①、右击下载好的halcon-19.11.0.0-windows-deep-learning-data.exe软件,选择以管理员身份运行,打开安装程序,如下图所示:

②、安装程序启动后,点击点击红色方框内Next按钮以继续。如下图所示

③、选择安装内容。首先点击红色方框内的选择按钮选中安装部分文件,之后点击蓝色方框内的Next按钮以继续。如下图所示。

④、安装开始。如下图所示。

⑤、安装结束后,点击红色方框内的Finish按钮以关闭安装软件。如下图所示。




4、安装CUDA运算平台软件


1、查询电脑CUDA支持的版本
https://jingyan.baidu.com/article/6fb756ec4fabc4241858fbf7.html
2、下载CUDA安装包
这里以最新版本CUDA10.2为例。其他版本用户按照教程寻找对应版本下载。
首先打开英伟达开发者网站下的,CUDA工具包下载网站。(如若觉得去网站下载比较麻烦可以到此项内容最后处,有可以直接网盘下载CUDA10.2的包,给大家准备好)
https://developer.nvidia.com/cuda-toolkit
网站界面如下图


[img]https://img-blog.csdnimg.cn/20200323144728521.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


点击上图红色方框内所示的 DownLoad CUDA 10.2 NOW >
之后显示如下图所示网页。


[img]https://img-blog.csdnimg.cn/20200323145843150.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


点击上图红色方框内所示的 Windows按钮选择windows安装包
之后显示如下图所示网页。


[img]https://img-blog.csdnimg.cn/20200323150002840.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


①蓝色框内表示Win10操作系统下安装包;②红色框内表示Win8操作系统下安装包;③橘色框内表示Win7操作系统下安装包
大家按照自己的需求选择。接下来以win10为例。
点击①蓝色框内按钮
之后显示如下图所示网页。


[img]https://img-blog.csdnimg.cn/20200323150420992.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


点击红色框内的exe [local]按钮,表示下载安装包进行安装。
之后显示如下图所示网页。


[img]https://img-blog.csdnimg.cn/2020032315054628.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


鼠标左键点击红色方框内Download[2.6GB]按钮。进行软件下载。
或者右键点击点击红色方框内Download[2.6GB]按钮,选择迅雷下载。(这个更快一点)(前提电脑有迅雷)
如下图片所示


[img]https://img-blog.csdnimg.cn/20200323150836883.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]





当然也为大家准备好了现成的包直接下载
注意是cuda_10.2



Win10用户安装 **cuda_10.2.89_441.22_win10.exe** 链接:https://pan.baidu.com/s/1953UNfMOig-JJvUOrK58Ig
提取码:3kz8

Win7用户安装 **cuda_10.2.89_441.22_windows.exe** 链接:https://pan.baidu.com/s/1R-zKji19k7Lrk7i5w3YJ1Q
提取码:g62d

3、安装CUDA

右击下载好的cuda_10.2.89_441.22_win10.exe软件,以管理员身份运行,如下图所示:

[img]https://img-blog.csdnimg.cn/20200323171959917.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


之后显示窗口

[img]https://img-blog.csdnimg.cn/20200323172240469.png[/img]


注意:②号红色方框内的路径是安装包解压路径,软件安装完毕后会自动删除。
首先点击①号蓝色框内按钮,选择CUDA的解压路径,之后点击③号橘色方框内的OK按钮以继续。
之后将进行解压缩操作,如下图所示:


[img]https://img-blog.csdnimg.cn/2020032317305011.png[/img]


在解压缩过程中,如果安装360等安全软件,会提示软件访问关键位置的警示,选择允许软件所有操作。
解压完成后,安装软件会自行启动,如下图:


[img]https://img-blog.csdnimg.cn/20200323173242936.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


之后软件会进行系统兼容性检查,如下图:

[img]https://img-blog.csdnimg.cn/20200323173321884.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


系统兼容性检查通过后,安装程序显示软件许可协议。如下图:

[img]https://img-blog.csdnimg.cn/20200323173504312.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


点击红色方框内的同意并继续,软件弹出安装选择选项,如下图:

[img]https://img-blog.csdnimg.cn/20200323173735468.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


我们首先点击①红色框内的自定义之后点击②蓝色方框内的下一步继续,之后显示页面:

[img]https://img-blog.csdnimg.cn/20200323174243211.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


这里我们只选择CUDA,其他两项不进行选择。之后点击红色方框内的下一步以继续。

我们接下来更改一下安装位置,安装在D盘下。
安装路径分别为:
D:\NVIDIA\CUDA
D:\NVIDIA\CUDA
D:\NVIDIA\CUDA Samples
如下图所示:
之后点击②蓝色方框内的下一步。**注意:**在点击下一步前,必须关闭vs。


[img]https://img-blog.csdnimg.cn/20200323175224249.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


之后开始安装并等待。如下图所示。

[img]https://img-blog.csdnimg.cn/20200323175628171.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]
[img]https://img-blog.csdnimg.cn/20200323175848179.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


等待安装完成。

[img]https://img-blog.csdnimg.cn/20200324082703591.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


点击关闭。



5、安装cuDNN支持包


1、下载cuDNN支持包
这里以cuDNN for CUDA 10.2支持包为例,如果CUDA版本不是10.2的用户,下载相应的cuDNN包


首先打开英伟达开发者网站下的,cuDNN支持包下载网站。(如若觉得去网站下载比较麻烦可以到此项内容最后处,有可以直接网盘下载for CUDA 10.2的包,给大家准备好)
https://developer.nvidia.com/cudnn
网站界面如下图


[img]https://img-blog.csdnimg.cn/20200324085418475.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


点击红色方框内的Download cuDNN按钮,显示以下页面

[img]https://img-blog.csdnimg.cn/20200324085634204.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


有NVIDIA账户的用户点击①红色框内的Login进行登录。
没有NVIDIA账户的用户点击②蓝色框内的Join now进行注册。
我们在这里只介绍登录的方式,对于NVIDIA账户的注册请移步:https://jingyan.baidu.com/article/7908e85c3cae87ef491ad24b.html
点击①红色框内的Login后,网页显示如下:


[img]https://img-blog.csdnimg.cn/20200324090543359.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


填写账户名与密码,之后点击红色方框内的Login,显示如下网页:

[img]https://img-blog.csdnimg.cn/20200324090957146.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


点击红色箭头指向的勾选框,显示如下界面

[img]https://img-blog.csdnimg.cn/20200324091352199.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


我们CUDA安装的是10.2版本,我们在这里选择红色框内的for CUDA 10.2之后显示网页:

[img]https://img-blog.csdnimg.cn/20200324091651116.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


因为我们以WIN10系统为例,所以点击①红色方框内链接进行下载。WIN7用户请点击②蓝色框内链接进行下载。同样大家可以参考CUDA的下载方法使用迅雷进行下载。
当然也为大家准备好了现成 for CUDA 10.2 的包直接下载
注意是for CUDA 10.2



Win10用户安装 **cuda_10.2.89_441.22_win10.exe** 链接:https://pan.baidu.com/s/12ZGiFl9Er2-INJOAXQZqPQ
提取码:7p1k

Win7用户安装 **cuda_10.2.89_441.22_windows.exe** 链接:https://pan.baidu.com/s/1eUmnYm4-UzdSB7syTqvKDQ
提取码:m7xc

2、安装cuDNN支持包
①、解压cuDNN支持包,得到三个文件夹和一个TXT文档。
[img]https://img-blog.csdnimg.cn/20200324094520512.png[/img]
②、将解压后的文件复制到安装路径下D:\NVIDIA\CUDA下。
注意:解压到自己的 CUDA 安装路径下。


[img]https://img-blog.csdnimg.cn/20200324095025912.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


之后会显示是否合并文件夹,选择①红色方框内的为所有项目执行操作,之后,点击②蓝色方框内的是按钮。

[img]https://img-blog.csdnimg.cn/2020032409522016.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]



完成cuDNN支持包的安装



6、配置环境变量


1、设置环境变量

计算机上点右键,打开属性->高级系统设置->环境变量,可以看到系统中多了CUDA_PATH和CUDA_PATH_V8_0两个环境变量,接下来,还要在系统中添加以下几个环境变量:
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径,经自定义路径后,我的路径为D:\NVIDIA\CUDA Samples)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64


2、设置系统变量

①在系统变量 PATH 的末尾添加:
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
②再添加如下4条
(如果选择默认安装路径):
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin;
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64;
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64;
(我安装在D盘需要输入的路径):
D:\NVIDIA\CUDA\lib\x64;
D:\NVIDIA\CUDA\bin;
D:\NVIDIA\CUDA Samples\common\lib\x64;
D:\NVIDIA\CUDA Samples\bin\win64;
3、配置情况
如下为我的环境变量和PATH的配置情况:
环境变量:


[img]https://img-blog.csdnimg.cn/20200324100208779.png[/img]


PATH:

[img]https://img-blog.csdnimg.cn/20200324100252108.png[/img]



3、验证Halcon安装


以上所有软件安装完成后,重启电脑。否则可能显示激活不成功。
双击halcon2019图标开启软件。
如果能顺利打开软件,表示软件安装与激活成功。如下图所示。


[img]https://img-blog.csdnimg.cn/20200324145558455.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]




4、验证CUDA与cuDNN安装


点击键盘Win键+R键,打开运行界面

[img]https://img-blog.csdnimg.cn/20200324101013861.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


在运行里面输入“cmd” 之后点击确定。打开命令行界面

[img]https://img-blog.csdnimg.cn/20200324101126896.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


输入 cd+安装路径,点击回车,再输入nvcc -V则显示CUDA版本信息。
例如我的安装路径为D:\NVIDIA\CUDA
输入:cd D:\NVIDIA\CUDA回车
输入:nvcc -V回车


如运行后显示CUDA的版本等信息,即可认为安装成功。如下图所示

[img]https://img-blog.csdnimg.cn/2020032522015871.PNG[/img]




运行Halcon深度学习例程


首先为大家介绍Halcon深度学习例程的打开方式
1、双击桌面的halcon图标打开halcon2019


[img]https://img-blog.csdnimg.cn/20200324152653538.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


2、点击halcon2019任务栏中的Ex文件夹图标(如下图所示),打开示例程序窗口:

[img]https://img-blog.csdnimg.cn/2020032415282298.png[/img]


示例程序窗口:

[img]https://img-blog.csdnimg.cn/20200324153004742.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


3、点击示例程序中的 “方法” 以展开,如下图所示:

[img]https://img-blog.csdnimg.cn/20200324153130223.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]
4、找到深度学习例程部分,如下图所示。
[img]https://img-blog.csdnimg.cn/20200324153325620.png[/img]




1、Halcon深度学习之分类


[img]https://img-blog.csdnimg.cn/20200324153743869.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


红框内是halcon深度学习用于分类例程的汇总目录,蓝色框内是halcon深度学习用于分类从训练到最后应用的例程。



halcon深度学习(分类)例程简介


1、classify_pill_defects_deep_learning_1_preprocess.hdev(数据集预处理)

2、classify_pill_defects_deep_learning_2_train.hdev(训练模型)

3、classify_pill_defects_deep_learning_3_evaluate.hdev(评估训练后的模型)

4、classify_pill_defects_deep_learning_4_infer.hdev(用于检测图像)



2、Halcon深度学习之目标检测


[img]https://img-blog.csdnimg.cn/20200324153756111.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


红框内是halcon深度学习用于目标检测例程的汇总目录,蓝色框内是halcon深度学习用于目标检测从训练到最后应用的例程。



halcon深度学习(目标检测)例程简介


1、detect_pills_deep_learning_1_prepare.hdev()(数据集预处理)

2、detect_pills_deep_learning_2_train.hdev|()(训练模型)

3、detect_pills_deep_learning_3_evaluate.hdev()(评估训练后的模型)

4、detect_pills_deep_learning_4_infer.hdev(用于检测图像)



3、Halcon深度学习之语义分割


[img]https://img-blog.csdnimg.cn/20200324153804965.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Nhc2htb29k,size_16,color_FFFFFF,t_70[/img]


红框内是halcon深度学习用于语义分割例程的汇总目录,蓝色框内是halcon深度学习用于语义分割从训练到最后应用的例程。



halcon深度学习(语义分割)例程简介


1、segment_pill_defects_deep_learning_1_preprocess.hdev (数据集预处理)

2、segment_pill_defects_deep_learning_2_train.hdev(训练模型)

3、segment_pill_defects_deep_learning_3_evaluate.hdev(评估训练后的模型)

4、segment_pill_defects_deep_learning_4_infer.hdev (用于检测图像)

[table=711,transparent,,1,center][tr][td]     博主简介:工业自动化上位机软件工程师、机器视觉算法工程师、运动控制算法工程师。目前从业于智能制造自动化行业。 博主邮箱:2296776525@qq.com[/td][/tr][/table]
[table=711,transparent,,1,center][tr][td]     接下来一段时间,我将持续更新关于Halcon深度学习的相关内容。帮忙点个赞吧。哈哈。[/td][/tr][/table]
[xylop于2020-09-03 10:07编辑了帖子]
喜欢47

最新打赏:0人

sc6231565
管理员
管理员
  • 最后登录2020-10-18
  • 发帖数1078
  • 金币25842枚
  • 贡献勋章0枚
  • 社区明星
  • 最爱沙发
  • 原创写手
  • 喜欢达人
  • 忠实会员
  • 社区居民
沙发#
发布于:2020-04-23 08:20
写的可以说是史上最详细的了,打赏激励100
JoyShow
技术员
技术员
  • 最后登录2020-10-19
  • 发帖数48
  • 金币462枚
  • 贡献勋章0枚
  • 社区居民
  • 忠实会员
板凳#
发布于:2020-04-23 08:27
写的很详细,支持一下!
魁拔之十万火急
总版主
总版主
  • 最后登录2020-09-22
  • 发帖数188
  • 金币4946枚
  • 贡献勋章0枚
地板#
发布于:2020-04-23 08:28
写的很详细,支持一下!
枕星河之倒影兮与星光同流,望群星之包覆兮随繁星同辉。——海问香《魁拔》
王哲118448
助理工程师
助理工程师
  • 最后登录2020-10-16
  • 发帖数201
  • 金币1224枚
  • 贡献勋章0枚
  • 社区居民
  • 忠实会员
4楼#
发布于:2020-04-23 08:44
非常感谢,膜拜大佬,学习学习
a576408173
技术员
技术员
  • 最后登录2020-10-19
  • 发帖数157
  • 金币372枚
  • 贡献勋章0枚
  • 社区居民
  • 忠实会员
5楼#
发布于:2020-04-23 08:56
写的很详细,支持一下!
luhailang
初学者
初学者
  • 最后登录2020-09-08
  • 发帖数18
  • 金币25枚
  • 贡献勋章0枚
  • 社区居民
6楼#
发布于:2020-04-23 08:58
很详细,谢谢分享!!!
一不小心遇见你
技术员
技术员
  • 最后登录2020-10-18
  • 发帖数109
  • 金币693枚
  • 贡献勋章0枚
  • 社区居民
  • 忠实会员
7楼#
发布于:2020-04-23 09:04
写的很详细
好像很多超级链接的图片没有显示出来
kinggink888
助理工程师
助理工程师
  • 最后登录2020-10-17
  • 发帖数78
  • 金币1534枚
  • 贡献勋章0枚
  • 社区居民
8楼#
发布于:2020-04-23 09:08
十分详细,感谢楼主分享啊,好好学习下!
fei743264045
技术员
技术员
  • 最后登录2020-10-19
  • 发帖数124
  • 金币268枚
  • 贡献勋章0枚
9楼#
发布于:2020-04-23 09:11
Mark yi xia
RulingYan
助理工程师
助理工程师
  • 最后登录2020-10-19
  • 发帖数202
  • 金币1685枚
  • 贡献勋章0枚
  • 社区居民
  • 忠实会员
10楼#
发布于:2020-04-23 09:21
写的很详细,支持一下!
生如逆旅,一苇以航
mwxzw_yj
技术员
技术员
  • 最后登录2020-07-15
  • 发帖数16
  • 金币913枚
  • 贡献勋章0枚
  • 社区居民
11楼#
发布于:2020-04-23 09:21
非常感谢,膜拜大佬,学习学习
_____Jiang
技术员
技术员
  • 最后登录2020-10-18
  • 发帖数82
  • 金币131枚
  • 贡献勋章0枚
  • 社区居民
  • 忠实会员
12楼#
发布于:2020-04-23 09:29
太详细了,感谢大佬,向大佬致敬!
cqyangjianao
技术员
技术员
  • 最后登录2020-10-15
  • 发帖数40
  • 金币178枚
  • 贡献勋章0枚
13楼#
发布于:2020-04-23 09:42
确实是最详细的配置文章了,谢谢
wenluderen
总版主
总版主
  • 最后登录2020-10-15
  • 发帖数693
  • 金币9878枚
  • 贡献勋章0枚
  • 社区居民
  • 社区明星
  • 忠实会员
  • 喜欢达人
  • 原创写手
14楼#
发布于:2020-04-23 10:21
非常感谢    资料翔实
上一页
游客

返回顶部
支付

欢迎打赏,请选择打赏金额

  • 1元
  • 6元
  • 10元
  • 66元
  • 100元

支付即代表同意《本站支付协议》 有疑问请联系客服