齿轮轴承缺陷检测

仅作学习，不做商用

• 缺陷检测系列
• 前言
• 一、论文相关资料
• 二、环境搭建
• • 1.所需要的环境
  • 2.使用anaconda开始搭建虚拟环境
  • • 创建环境
    • 下载并安装cuda与cudnn
    • 安装tensorflow
• 三、论文复现
• pycharm添加环境
• 总结

在网上寻找的一个论文，代码被作者共享在github上，下载并复现了一下代码，仅作为学习的材料。

提示：以下是本篇文章正文内容，下面案例可供参考

Segmentation-based Deep-Learning Approach for Surface-Defect
文献地址：link.
源码地址：link.
数据集地址：link.

按照作者的代码提供的环境是：

python 3.6
cuda 9.0
cudnn 7.1.4
Tensorflow 1.12

不过我的环境略有差异，和作者的原装环境有一点点不一样：
ps:最开始的时候也用的是tensorflow1.12，不过一直报错，后来使用的1.9的gpu版本就好了。

anaconda
python 3.6
cuda 9.0
cudnn 7.1.4
Tensorflow-gpu 1.9
pycharm

本人电脑已经安装好了anaconda，所以直接开始创建环境。在anacon prompt中写入以下代码：

conda create -n filename python==3.6

进入新创建的环境。

conda activate filename

此时为新环境，如图所示。

下载并安装cuda9.0。
下载链接为：link.
在此链接中下载cuda9.0

安装完成后，输入

nvcc -V

下载并安装cudnn
链接: link.

需要填写问卷调查，然后下下来以后把相关包不用安装，直接拷到cuda路径对应的文件夹下面就行

使用命令行安装tensorflow

pip install tensorflow-gpu==1.9.0

然后点击蓝色的这个
点击add，选择conda的存在的环境，然后点击ok，最后一个界面点击apply。

环境到这里就配置完成了，有个小tips，配置完成后，把数据集命名为Datasets，并放进程序文件夹中，在pycharm中看到是这样的效果。

然后，在图6中选择structure，选择Datasets，然后点击蓝色的source的路径添加进去。

效果如下：

结束后，在run.py程序中，点击run，之后运行，程序日志会打印在log中，可以查看日志内容，后缀为txt。

提示：这里对文章进行总结：
以上就是今天对 Segmentation-based Deep-Learning Approach for Surface-Defect论文的环境搭建与运行。感兴趣的朋友们可在讨论区一起讨论，解决问题。