NotionNext BLOG文献阅读
FieldTrip教程
书籍
ChatWithOpenAI
DeepLabCut
🐀安装 DeepLabCut - 三步指南
type
status
date
slug
summary
tags
category
icon
password
本文来自：Installing DeepLabCut - A three step guide | Guillermo Hidalgo Gadea，安装教程随着 DeepLabCut 官方的更新，有些已经不可用，仅供参考。
DeepLabCut适合我吗？
可能是的。如果您碰巧使用视频并想从中提取信息，那么 DeepLabCut 可能是一个很好的工具。如果您需要在每一帧上跟踪某个对象的位置，那么使用 DLC 将受益匪浅。例如，如果您想跟踪 5、10 或 100 个不同的点及其相对位置（即姿势），您应该使用 DeepLabCut。如果事实证明这些点在多个物体或个体上重复出现，你猜对了，多动物追踪的DLC！如果你碰巧不使用视频，你可能应该开始这样做。
首先简短说明：本指南是关于 DeepLabCut 以及如何安装它的，这不是关于可用最佳工具的评论。还有其他几个很有前途的无标记跟踪开源项目，例如 OpenPose、EthoLoop 和 OptiFlex 等。我只是碰巧开始使用 DeepLabCut，当时其他软件还不那么容易获得。有关不同方法的综述，请参阅 Desmarais et al.（2020）和Mathis et al.（2020） 。
但现在回到主题。如果你还没有听说过它，DeepLabCut是一个开源软件包，用于基于深度神经网络迁移学习的无标记姿态估计（Mathis等人，2018）。它使用来自 DeeperCut 的算法，以及在数据集上预训练的超深度神经网络，用于对象检测 （ImageNet）。DeepLabCut 最初是为动物姿态估计而开发的，它不排除人类，参见 Namba et al. （2021），也可用于跟踪无生命物体，正如我们将在第一个 DLC 项目中看到的那样。
如何开始
首先，您需要使用 python 和几个与 python 相关的库（即特定的 python 环境）。或者更确切地说，DeepLabCut 将需要它，不要惊慌！如果您没有任何编程经验，并且对学习编码没有丝毫兴趣，那么本指南仍然与您相关。尽管如此，我将假设对任何编程语言感兴趣或经验很少，或者至少对计算机感兴趣并且不删除互联网。本系列文章将为您提供代码片段、jupyter 笔记本和大量有用的参考资料，以逐步完成 python 代码。如果您仍然不感兴趣，您将学习使用鼠标和带有漂亮按钮的图形用户界面。
安装
这可以说是最难的部分，但让我们从简单开始。首先，您必须安装 Anaconda，这是一个免费的 python 发行版和包管理器，可帮助您使所有库保持最新状态。该过程因您的计算机（Windows、macOS 或 Linux）而异，但总体而言，您必须单击此处，选择您的系统，下载安装程序并单击所有“下一步”、“同意”和“安装”按钮。完成后，您可以通过导航器（图形用户界面）或终端（可怕的黑色弹出窗口）使用 Anaconda。
接下来，您将安装 DeepLabCut，为此，您必须在完整的 GPU 和更简单的 CPU 版本之间进行选择（请参阅下面的注释）。在 DeepLabCut 主页上，滚动到页面底部以查看相应的下载文件。为方便起见，您可以在此处找到 CPU 和 GPU 版本的相同下载链接。
注意：由于训练深度神经网络的计算量非常大，因此大多数机器学习方法都使用最初用于游戏的其他硬件（图形处理单元或 GPU）来执行所需的计算。这意味着大多数标准计算机和笔记本电脑将不具备所需的处理能力，而无需先升级到 GPU。但幸运的是，DeepLabCut 的 CPU 版本将允许您在自己的计算机上执行大部分预处理和后处理，同时将实际模型训练外包给像 Google Colab 这样的云计算环境（下一篇文章会详细介绍）。
从上面下载安装文件并安装 anaconda 后，打开终端，找到您的 DeepLabCut 安装文件（例如，在下载目录中），并使用以下命令为特定文件创建新的虚拟环境：
观看短视频演示：
升级和降级
接下来，我们将把DeepLabCut升级到最新的测试版，从今天2.2b8开始（在这里查看最新版本）。我们还将库 wxpython 降级< 4.1，因为已经报告了一些问题。再次使用终端，升级 deeplabcut == 2.2b8 并降级 wxPython == 4.0.7，如下所示：
更新：deeplabcut 2.2 的新稳定版本已于 2021 年 5 月正式发布，使上述升级到 2.2b8 测试版（2020 年 9 月 9 日）已过时。您可以跳过升级并继续使用官方版本（请参阅此处）。如果您已经安装了 deeplabcut==2.2b8，则可以在终端中运行以下命令升级到更新的 deeplabcut==2.2rc1：
启动 DeepLabCut
现在，DeepLabCut已经安装在自己的虚拟环境中，我们可以开始享受它的乐趣了。实际上，如何开始取决于您！DeepLabCut可以通过鼠标点击从GUI使用，也可以从具有python函数的终端使用，也可以从可以轻松移动到云计算服务器（如google colab）的jupyter笔记本中使用。由于我们在 CPU 环境中工作，无法在本地训练模型，因此我们将结合使用 jupyter notebook 来协议我们的流程和 DLC GUI，以便于概述。
首先，在macOS中打开终端，激活DLC-CPU conda环境并启动DeepLabCut GUI：
在 Windows 中，打开 cmd 命令提示符，激活您的环境并使用 python 而不是 pythonw 启动 DeepLabCut：
或者，您也可以启动 PythonW （macOS） 或 IPython （Windows） shell，并使用以下 python 命令启动 DeepLabCut：
上述两种方法都将启动 DeepLabCut GUI。在屏幕上找到一个适合您同时查看终端输出和 DeepLabCut 窗口的排列方式。
要开始您的第一个 DeepLabCut 项目，请查看下一篇文章：训练您的第一个 DeepLabCut 模型。如果您愿意自己尝试，请查看 DeepLabCut Github 页面中的这些资源，或这些 youtube 教程。
您还可以查看我之前的帖子，了解如何使用无监督机器学习在面部表情分析中应用DeepLabCut。
- Twikoo
Last update: 2024-04-06
FieldTrip教程更新学习中……
DeepLabCut教程已更新。