Swin-Transformer-Object-Detection环境搭建详细过程

1 流程

• 1 确定设备安装的cuda版本
• 2 根据安装的cuda版本确定要安装的torch版本
• 3 根据torch版本安装对应的mmcv
• 4 安装apex
• 5 修改源码测试

源码地址：Swin-Transformer-Object-Detection

主要的package版本如下

------------------ ----------- ------------------------------------------------------------------
apex               0.1
mmcv               1.3.5
mmcv-full          1.4.0
mmdet              2.11.0    
openmim            0.3.1
torch              1.8.1+cu102
torchaudio         0.8.1
torchvision        0.9.1+cu102

2 环境搭建

2.1 确定torch版本并安装

安装命令如下：

pip install torch==1.8.1+cu102torchvision==0.9.1+cu102 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

注：每个版本都需要匹配，安装的过程不匹配会报错提示

2.2 下载源码并安装依赖包

pip install -r requirements/build.txt
pip install -v -e .

如果下载比较慢，可以使用镜像源单个下载，如：

pip install matplotlib==3.5.3 -i https://mirrors.aliyun.com/pypi/simple/

2.3 根据torch版本安装对应的mmcv

pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.8.1/index.html

报错：

× Encountered error while trying to install package.
╰─> mmcv-full

note: This is an issue with the package mentioned above, not pip.
hint: See above for output from the failure.

• 如果安装mmcv报错，则用上诉命令安装mmcv-full，注意torch和cuda的版本需要适配
• 如果上述命令安装还会报错，则用以下方式解决

解决方法：
pip install -U openmim
mim install mmcv-full
安装最新版本，这时会提示你现在安装的mmdetection和安装的mmcv不符，而且会给出符合你的mmdetection版本的mmcv版本的范围。我安装的mmdetection版本是2.25.0，提示符合的mmcv版本是1.4.4以上，1.6.0以下。
把原来的mmcv-full卸载：
pip uninstall mmcv-full

在安装一个在范围以内的版本：
mim install mmcv-full==1.4.0

2.4 安装apex

git clone https://github.com/NVIDIA/apex
cd apex
pip install -v --disable-pip-version-check --no-cache-dir ./

3 源码修改

• 修改数据集地址，根目录
  

train=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/instances_train2017.json',
        img_prefix=data_root + 'train2017/',
        pipeline=train_pipeline),
    val=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/instances_val2017.json',
        img_prefix=data_root + 'val2017/',
        pipeline=test_pipeline),
    test=dict(
        type=dataset_type,
        ann_file=data_root + 'annotations/instances_test2017.json',
        img_prefix=data_root + 'test2017/',
        pipeline=test_pipeline))

• 修改自己的类别

• 参考此博客

4 测试

• 运行训练命令，只做检测不做分割

 python tools/train.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py