Ubuntu18.04.1系统安装mmdetection(含torch、torchvision、mmcv-full)
临近春节，实验室机房装修，导师放假。回家后便于学习，在自己的笔记本上也装了一下mmdetection,分享一下个人的安装过程，方便以后安装少走弯路以及供大家参考交流。
我的电脑装的是双系统，win10和Ubuntu18.04，在学校用的是服务器，所以优先考虑在Ubuntu系统装mmdetection.
首先看一下我的电脑信息：Ubuntu18.04系统，安装了cuda驱动，cuda版本是9.1，
(base) xiejun@xiejun-GK5CS:~$ cat /proc/version
Linux version 5.3.0-62-generic (buildd@lcy01-amd64-004) (gcc version 7.5.0 (Ubuntu 7.5.0-3ubuntu1~18.04)) #56~18.04.1-Ubuntu SMP Wed Jun 24 16:17:03 UTC 2020
(base) xiejun@xiejun-GK5CS:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85
(base) xiejun@xiejun-GK5CS:~$ nvidia-smi
Sat Jan 30 18:11:46 2021
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 435.21 Driver Version: 435.21 CUDA Version: 10.1 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 1650 Off | 00000000:01:00.0 Off | N/A |
| N/A 35C P8 3W / N/A | 461MiB / 3911MiB | 6% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 1256 G /usr/lib/xorg/Xorg 207MiB |
| 0 1492 G /usr/bin/gnome-shell 194MiB |
因为mmdetection是基于pytorch的，所以安装需要依靠相关环境，这里建议使用anaconda创建一个新环境，便于环境管理，不会和其他环境起冲突和防止库版本不兼容等问题。
一般来说，安装某个框架或软件先去它的官网看一下，会有相应的教程和指导，这里我们也是跟着官网走：https://github.com/open-mmlab/mmdetection找到它的安装教程：https://github.com/open-mmlab/mmdetection/blob/master/docs/get_started.md
安装内容如下（这是最新版的安装要求）：
Linux or macOS (Windows is in experimental support)
Python 3.6+
PyTorch 1.3+
CUDA 9.2+ (If you build PyTorch from source, CUDA 9.0 is also compatible)
GCC 5+
MMCV
安装之前，如果你自己装过没有成功，这里建议你删除原环境，再重新安装一个，避免麻烦。如果在原环境安装，先要删除mmcv和mmcv-full,不然会报错ModuleNotFoundError.
创建环境名，下载好相关文件后激活：
conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab
激活后，环境名称从base变为open-mmlab，然后安装torch、torchvision，运行如下指令（注意，cudatoolkit与CUDA 不排除兼容情况，建议与nvcc -V的版本一致，我这里可能是兼容的(10.1的cudatoolkit、9.1的cuda)）：
conda install pytorch cudatoolkit=10.1 torchvision -c pytorch
安装完成后，可以查看一下：
(open-mmlab) xiejun@xiejun-GK5CS:~$ python
Python 3.7.9 (default, Aug 31 2020, 12:42:55)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torchvision
>>> torchvision.__version__
'0.8.2+cu101'
>>> import torch
>>> torch.__version__
'1.7.1+cu101'
>>>
运行python引用，可以看到，torch和torchvision几个库都已经安装成功并且可以查询版本信息。
安装好这个之后，按官方教程是安装mmcv，但是mmcv安装问题比较多不好解决，可以暂时跳过，先下载安装mmdetection，不影响后续安装。
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
这些问题都不大，网速可以速度就更快，编译指令要注意pip install -v -e . 也可以换成 python setup.py develop 效果一样
pip install -r requirements/build.txt
pip install -v -e .
至此，可以着手安装mmcv了，刚刚编译mmdetection时也有提示mmcv没有安装，但是不影响。安装mmcv出现的问题一般比较多，但是也能解决。
我安装的时候，一开始我是pip install mmcv 很顺利就装完了，但是一运行就报错：ModuleNotFoundError: No module named ‘mmcv._ext’
官网也有提到mmcv功能不全，最好装mmcv-full，我后面是卸载了mmcv，安装mmcv-full.
mmcv-full的安装先要查询版本是否匹配，这个看官网：https://github.com/open-mmlab/mmcv
我的torch版本是1.7.1+cu101，所以找到torch1.7和cuda相交位置的“install”点开黑色三角形，可以看到指令：
pip install mmcv-full=={mmcv_version} -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.7.0/index.html
上面指令中{mmcv_version}是待定的，需要具体确定，这时结合mmdetection的版本，如下图，因为我安装的是最新版的mmdetection，已经到了2.8.0版本了，mmcv-full的版本要求在>=1.2.4,<1.3于是我选择1.2.4版本。
安装指令具体为：
pip install mmcv-full==1.2.4 -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.7.0/index.html
完成后，这样就顺利安装好了。
可以编译验证一下，进入mmdetection文件下，运行指令python mmdet/utils/collect_env.py
编译成功，可以看到你安装的环境以及各种库的版本，如下所示：
(open-mmlab) xiejun@xiejun-GK5CS:~/mmdetection$ python mmdet/utils/collect_env.py
sys.platform: linux
Python: 3.7.9 (default, Aug 31 2020, 12:42:55) [GCC 7.3.0]
CUDA available: True
GPU 0: GeForce GTX 1650
CUDA_HOME: /usr/local/cuda
GCC: gcc (Ubuntu 7.5.0-3ubuntu1~18.04) 7.5.0
PyTorch: 1.7.1+cu101
PyTorch compiling details: PyTorch built with:
- GCC 7.3
- C++ Version: 201402
- Intel(R) Math Kernel Library Version 2020.0.0 Product Build 20191122 for Intel(R) 64 architecture applications
- Intel(R) MKL-DNN v1.6.0 (Git Hash 5ef631a030a6f73131c77892041042805a06064f)
- OpenMP 201511 (a.k.a. OpenMP 4.5)
- NNPACK is enabled
- CPU capability usage: AVX2
- CUDA Runtime 10.1
- NVCC architecture flags: -gencode;arch=compute_37,code=sm_37;-gencode;arch=compute_50,code=sm_50;-gencode;arch=compute_60,code=sm_60;-gencode;arch=compute_70,code=sm_70;-gencode;arch=compute_75,code=sm_75
- CuDNN 7.6.3
- Magma 2.5.2
- Build settings: BLAS=MKL, BUILD_TYPE=Release, CXX_FLAGS= -Wno-deprecated -fvisibility-inlines-hidden -DUSE_PTHREADPOOL -fopenmp -DNDEBUG -DUSE_FBGEMM -DUSE_QNNPACK -DUSE_PYTORCH_QNNPACK -DUSE_XNNPACK -DUSE_VULKAN_WRAPPER -O2 -fPIC -Wno-narrowing -Wall -Wextra -Werror=return-type -Wno-missing-field-initializers -Wno-type-limits -Wno-array-bounds -Wno-unknown-pragmas -Wno-sign-compare -Wno-unused-parameter -Wno-unused-variable -Wno-unused-function -Wno-unused-result -Wno-unused-local-typedefs -Wno-strict-overflow -Wno-strict-aliasing -Wno-error=deprecated-declarations -Wno-stringop-overflow -Wno-psabi -Wno-error=pedantic -Wno-error=redundant-decls -Wno-error=old-style-cast -fdiagnostics-color=always -faligned-new -Wno-unused-but-set-variable -Wno-maybe-uninitialized -fno-math-errno -fno-trapping-math -Werror=format -Wno-stringop-overflow, PERF_WITH_AVX=1, PERF_WITH_AVX2=1, PERF_WITH_AVX512=1, USE_CUDA=ON, USE_EXCEPTION_PTR=1, USE_GFLAGS=OFF, USE_GLOG=OFF, USE_MKL=ON, USE_MKLDNN=ON, USE_MPI=OFF, USE_NCCL=ON, USE_NNPACK=ON, USE_OPENMP=ON,
TorchVision: 0.8.2+cu101
OpenCV: 4.5.1
MMCV: 1.2.4
MMCV Compiler: GCC 7.3
MMCV CUDA Compiler: 10.1
MMDetection: 2.8.0+f07de13
中间也碰到了一个其他问题，关于cuda路径添加环境变量、build wheel for mmcv-full等，我计划整理到另一篇博客。