mmdetection
文章同步发于 github 仓库和 知乎 博客。如果看完文章有所收获,一定要先点赞后收藏。毕竟,赠人玫瑰,手有余香。
在下载安装好 python3+pip
或 anconda3
的基础上,建议更新为清华/阿里镜像源(默认的 pip
和 conda
下载源速度很慢)。
1,pip
** 更新下载源为清华源的命令**如下:
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
2,conda
** 更新源的方法:**
各系统都可以通过修改用户目录下的 .condarc
文件。Windows
用户无法直接创建名为 .condarc
的文件,可先执行 conda config --set show_channel_urls yes
生成该文件之后再修改.condarc
文件内容如下:
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
root# conda --version
conda 22.9.0
root# pip --version
pip 20.2.4 from /opt/miniconda3/lib/python3.8/site-packages/pip (python 3.8)
MMDetection
是一个基于 PyTorch
的目标检测开源工具箱。它是 OpenMMLab 项目的一部分。主分支代码目前支持 PyTorch 1.5
以上的版本。主要特性为:
更多详情请参考 MMDetection 仓库 README。
macOS
和 Windows
(理论上支持,实际安装需要踩很多坑)Python 3.6+
GCC 5+
我是在 docker
容器中安装和进行深度学习算法开发的,其操作系统、cuda
、gcc
环境如下:
官网下载 Anconda3 linux 安装脚本,并安装 Anconda3
(很好装一路 yes
即可),并使用 conda
新建虚拟环境,并激活虚拟环境进入。
conda create -n mmlab python=3.8 -y # 创建 mmlab 的虚拟环境,其中python解释器版本为3.8(python3.9版本不行,没有pytorch_cuda11.0版本)
conda activate mmlab # 激活虚拟环境进入
虚拟环境安装成功后的部分过程截图如下所示:
如果你激活虚拟环境出现如下所示错误。
CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.
To initialize your shell, run
$ conda init <SHELL_NAME>
Currently supported shells are:
- bash
- fish
- tcsh
- xonsh
- zsh
- powershell
See 'conda init --help' for more information and options.
IMPORTANT: You may need to close and restart your shell after running 'conda init'.
可通过以下命令重新激活 conda
环境,即可解决问题,方法参考自 stack overflow 问题。
source ~/anaconda3/etc/profile.d/conda.sh # anaconda3 的安装路径有可能不一样,自行修改
conda activate mmlab
首选安装 pytorch-gpu
版本,如果是在线安装命令如下**。**
conda install pytorch=1.7.1 cudatoolkit=11.0 torchvision=0.8.2 -c pytorch
官网命令的 cuda11.0 的 torchaudio==0.7.2 版本不存在,故去除。
安装过程信息(记得检查 pytorch
版本是 cuda11.0
的)截图如下:
安装成功后,进入 python
解释器环境,运行以下命令,判断 pytorch-gpu 版本是否安装成功。
>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.cuda.device_count()
2
>>>
同时可通过以下命令查看 CUDA
和 PyTorch
的版本
python -c 'import torch;print(torch.__version__);print(torch.version.cuda)'
总的来说,pytorch
等各种 python
包有离线和在线两种方式安装:
conda/pip
方法安装,详细命令参考 pytorch 官网,但是这种方式实际测试下来可能会有问题,需要自己肉眼检查安装的版本是否匹配。pip
或者 conda
方式离线安装。
pip
可通过此链接 浏览器下载各种 pytorch
版本的二进制安装包,到本地安装(pip install *.whl
)。conda
通过清华源链接,浏览器下载对应版本压缩包,然后 conda install --offline pytorch压缩包的全称(后缀都不能忘记)
不通过浏览器下载 whl 包,而是
pip install ``https://download.pytorch.org/whl/cu110/torch-1.7.1%2Bcu110-cp39-cp39-linux_x86_64.whl
方式可能会有很多问题,比如网络问题可能会导致安装失败。
WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by ‘NewConnectionError(’
: Failed to establish a new connection: [Errno 101] Network is unreachable’)': /whl/cu110/torch-1.7.1%2Bcu110-cp39-cp39-linux_x86_64.whl
或者下载到一半的网络连接时常超过限制。
pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host=‘download.pytorch.org’, port=443): Read timed out.
mmdetection
不建议安装 cpu 版本,因为很多算子不可用,其次截止到2022-11-3日,macos 系统 cpu 环境的
mmdet.apis
是不可用的。
建议使用 MIM 来自动安装 MMDetection
及其相关依赖包-mmcv-full
。
pip install openmim # 或者 pip install -U openmim
mim install mmdet
mmdetection
和 pytorch
官网