SAM.cpp 项目下载及安装教程
2024-12-09 08:03:57作者:董斯意
1、项目介绍
SAM.cpp 是一个开源项目,它实现了 Meta 的 Segment Anything Model(SAM)模型在纯 C/C++ 中的推理。该项目为研究者和开发者提供了一个不依赖 Python 环境的 SAM 模型推理解决方案,便于在多种平台上部署和使用。
2、项目下载位置
项目托管在 GitHub 上,您可以通过以下命令克隆到本地:
git clone --recursive https://github.com/YavorGIvanov/sam.cpp.git
3、项目安装环境配置
在开始安装之前,您需要确保您的系统中安装了以下依赖:
- CMake
- SDL2 库
以下是环境配置的步骤,以下示例基于 Ubuntu 系统:
安装依赖
sudo apt install libsdl2-dev
配置 CMake
在项目文件夹中创建一个构建目录并使用 CMake 配置项目:
mkdir build && cd build
cmake ..
以下是执行 cmake .. 命令后的示例输出:
-- The C compiler identification is GNU 9.3.0
-- The CXX compiler identification is GNU 9.3.0
-- Detecting C compiler ABI info
-- Detecting C compiler ABI info - done
-- Check for working C compiler: /usr/bin/cc - works
-- Detecting CXX compiler ABI info
-- Detecting CXX compiler ABI info - done
-- Check for working CXX compiler: /usr/bin/c++ - works
-- Detecting CXX compiler ABI info
-- Detecting CXX compiler ABI info - done
-- Found SDL2: /usr/lib/x86_64-linux-gnu/libSDL2.so
-- Configuring done
-- Generating done
-- Build files have been written to: /path/to/build
4、项目安装方式
在构建目录中,使用以下命令编译项目:
make -j4
-j4 参数表示并行构建,4 是并发编译的线程数,您可以根据您的 CPU 核心数调整这个数值。
5、项目处理脚本
项目提供了一个 Python 脚本 convert-pth-to-ggml.py,用于将 PTH 格式的模型转换为 ggml 格式,以供 C++ 项目使用。
转换模型的命令如下:
python convert-pth-to-ggml.py checkpoints/sam_vit_b_01ec64.pth
转换完成后,您可以使用转换后的模型文件进行推理。
以上就是 SAM.cpp 项目的下载和安装过程。希望这篇教程能够帮助您顺利地在您的系统上部署和使用 SAM.cpp。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221