写在前面

ShanghaiTech数据集是现有的人群计数领域比较常用的训练测试数据集，该博客将详细讲述如何跑通ShanghaiTech官方提供的预训练版本。

由于全部跑完ShanghaiTech数据集需要一定的时间，今天只以其中的ped2数据集（体量最小）为例，其他类似

环境配置

下载miniconda

打开miniconda下载网址下载Windows版本的miniconda，博主下载的是python3.8的版本（后续需要使用python3.6的版本，但miniconda已经不再提供python3.6的版本，这个后面会讲）

（注意不要下载太新的版本）

新建虚拟环境（必须为python3.6）

安装miniconda

完成之后打开miniconda的命令行

创建虚拟环境：

conda create –n shanghaitech python=3.6

请注意，此处python版本务必选择3.6，ShanghaiTech推荐的python版本也是3.6，否则会导致后续出现很多的版本不兼容问题（tensorflow导致）

进入虚拟环境：

conda activate shanghaitech

下载代码、数据集和预训练模型

GitHub代码：

ShanghaiTech

https://github.com/StevenLiuWen/ano_pred_cvpr2018

将代码下载后保存到自己的路径下**（路径不要有空格，短横’-'，以及中文）**

数据集和预训练模型下载地址：

官方

官方百度云盘 提取码：i9b3

本文中我们只需要下载ped2.tar.gz（数据集）

pretrains.tar.gz（预训练模型）

这二者即可

二者解压后，将ped2移动到Data文件夹中，将预训练模型移动到Codes/checkpoints文件夹中

配置第三方依赖

打开命令行，并且cd到Codes文件夹下

进入虚拟环境：

conda activate shanghaitech

下载第三方依赖：

pip install -r requirements.txt

pip install tensorflow-gpu==1.4.1

（option）如果此处提示找不到对应版本的错误信息，请将Codes文件夹下的requirements.txt修改为

numpy==1.14.1
scipy==1.0.0
matplotlib==2.1.2
tensorflow==1.4.0
tensorflow-gpu==1.4.0
Pillow==5.0.0
pypng==0.0.18
scikit_learn==0.19.1
opencv-python==3.2.0.7

并重新下载第三方依赖：

pip install -r requirements.txt

pip install tensorflow-gpu==1.4.0

顺便提一下

如果你的电脑没有下载cuda，那就只能咋cpu上跑（会比GPU上跑慢，但也行）

CUDA安装教程

只需要听他装CUDA就行了

开启实践

打开命令行，并且cd到Codes文件夹下

进入虚拟环境：

conda activate shanghaitech

运行测试（以ped2为例）：

python inference.py  --dataset  ped2 --test_folder ../Data/ped2/testing/frames --gpu 1 --snapshot_dir checkpoints/pretrains/ped2

（任选）Tensorboard 可视化

tensorboard    --logdir=./summary    --port=10086

打开浏览器并输入提示的网址

开始运行：

运行结束：

写在最后

博主也是AI小白，如有错误敬请评论区指出！

如果需要，博主会再出一篇模型训练的博客