open-mmlab安装环境版本
cuda = 10.1
python = 3.7.10
pytorch = 1.6.0
mmcv-full = 1.2.4
mmdet = 2.11.0
conda 创建环境
>conda remove -n open-mmlab --all
>conda create -n open-mmlab python=3.7 -y
>conda activate open-mmlab
出现如下错误：
解决方式：
>echo "conda activate" >> ~/.bashrc
>source ~/.bashrc
安装pytorch
我安装的是稳定版本的pytorch=1.7.1。pytorch的安装过程如下：
>conda install pytorch torchvision torchaudio cudatoolkit=10.1
出现如下错误：
解决方法：
>anaconda search -t conda lifelines
找到合适的版本，py37。选择最后一个 改名字，注意vfonov lifelines之间没有/
>conda install -c https://conda.anaconda.org/vfonov lifelines
还是不行，尝试用pip安装
> pip install pytorch torchvision torchaudio cudatoolkit==10.1
最后查阅进pytorch的官网：
>pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html --user
安装mmcv
>pip install mmcv-full==1.2.4-fhttps://download.openmmlab.com/mmcv/dist/cu101/torch1.6.0/index.html
安装mmdetection
>git clone https://github.com/open-mmlab/mmdetection.git
>cd mmdetection
git克隆慢的解决方法：https://blog.csdn.net/qq_27006271/article/details/110098578
然后继续编译mmdeteion
>pip install -r requirements/build.txt
>pip install -v -e .# or "python setup.py develop"
至此mmdetection的安装完成，如果还有一些问题，那就需要安装一些mmcv的依赖包然后再编译一下，看看是否可行。
pip install addict -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pyyaml -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install yapf -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pytest -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -v -e . -i https://pypi.tuna.tsinghua.edu.cn/simple
测试用的代码
先敲python，然后测试
查看torch的版本
>import torch, torchvision
>print(torch.__version__, torch.cuda.is_available())
查看mmdet的版本
>import mmdet
>print(mmdet.__version__)
查看mmcv 的版本
>from mmcv.ops import get_compiling_cuda_version, get_compiler_version
>print(get_compiling_cuda_version())
>print(get_compiler_version())
现有模型进行推断
Faster RCNN
以 R-50-FPN 为例，下载其model文件到mmdetection/checkpoints/。之后，进行推断，
参考：https://segmentfault.com/a/1190000038901219（这个链接非常好！ 完全适用，没有报错！）
coco数据集下载：https://bendfunction.gitbook.io/dataset-download/
复制到迅雷进行下载，按照上文连接，存放数据集位置
打开配置文件：mmdection/configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py
改学习率：mmdetection/configs/_base_/schedules/schedule_1x.py
