swin transformer、yolov5和deepsort的环境配置

一、软件安装

1、VS2019

swin transformer的某些依赖库需要VS2019来进行本地编译；因此要在VS2019中要安装c++的桌面开发部分。
此处提供社区版安装地址：https://visualstudio.microsoft.com/thank-you-downloading-visual-studio/?sku=Community&rel=16
在cmd界面输入cl检验是否可用，
若不可用，添加环境变量到系统环境变量->Path下，地址在安装目录下（根据自己的安装位置）：…\VS2019\2019\Community\VC\Tools\MSVC\14.29.30133\bin\Hostx86\x64

2、Anaconda

Anaconda用于虚拟环境配置，安装的版本应较新，建议采用20年以后的版本，具有powershell prompt的功能。安装地址：https://www.anaconda.com/

3、Pycharm

安装最新的社区版就可以了，建议安装后进行汉化，使用效果更佳。下载地址：https://www.jetbrains.com/pycharm/download/#section=windows在下面安装好虚拟环境anaconda后，需要在设置中进行配置，切换python解释器

4、CUDAv10.2

CUDA选择的版本是10.2，安装前要在NVIDIA官网：https://developer.nvidia.com/cuda-gpus查看自身的显卡是否支持。
下载地址：https://developer.nvidia.com/cuda-10.2-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
CUDA的详细安装指南请参考：【CUDA】cuda安装 （windows版）

二、依赖库安装

依赖库需下载GitHub上的三个项目，分别是：

• Swin-Transformer-Object-Detection
• YOLOv5
  注：YOLOv5具体的下载链接忘记了
• deep_sort_pytorch

创建虚拟环境：

conda create -n swin python=3.8 

创建完成后，便可以通过一下命令进入：

 conda activate swin

现在就能看见进入我们配置的虚拟环境中，

之后，在swin的虚拟环境下依次安装项目的根目录下的requirements.txt文件，命令如下：

pip install -r requirements.txt

其次，torch采用1.8.0版本，torchvision采用0.9.0版本，如果需要安装其他版本，请在以下链接下载：镜像链接

三、swin transformer中需要本地编译的依赖库

在下载的swin的项目中有apex-master、mmcv-full-1.3.17和mmdet三个文件夹。其中apex-master和mmcv-full-1.3.17需要自己下载安装

安装时，需要以管理员的权限启动anaconda powershell prompt并进入配置的虚拟环境中

1、mmcv

  cd ./mmcv-full-1.3.17
  pip install -r .\requirements\runtime.txt
  $env:TORCH_CUDA_ARCH_LIST="6.1"
  $env:MMCV_WITH_OPS = 1
  $env:MAX_JOBS = 4
  python setup.py build_ext
  python setup.py develop

此处的env的三项指的是显卡能力，请根据https://developer.nvidia.com/cuda-gpus网站进行查询;编译ops模块；MAX_JOBS是根据你可用CPU以及内存量进行设置
详细教程可以参考：WINDOWS 下 MMCV | MMCV-full 的安装

2、mmdet

cd ./mmdet
pip install -r requirements.txt
pip install -v -e .  # or "python setup.py develop"

3、apex

cd ./apex-master
python setup.py develop

三者安装完成后，可用 pip list命令查询

四、swin transformer训练参数修改

详细参数配置请参考：Swin Transformer目标检测4——训练自己数据集

五、YOLOv5训练参数修改

1、修改data/coco128.yaml的种类数目nc和名称names以及对应的数据集的目录

2、修改models/yolov5s.yaml下的种类数目nc

3、修改train.py中的参数进行训练

• 加载预训练，此处为yolov5s版本的
• 图像尺寸
• batch，现场数目，根据电脑性能调节
• epoch训练的轮次
• data加载的数据集配置文件
• cfg初始换的配置文件