windows下mmcv-full1.3.4源码编译安装

本文所有内容搬运自http://allophane.com/index.php/2021/05/26/win10_build_mmcv-full_from_source/ 如果转载请联系作者

前言

MMCV 是一个面向计算机视觉的基础库，它支持了很多开源项目，提供了众多功能，

并且MMCV 有两个版本：
|-— mmcv-full: 完整版，包含所有的特性以及丰富的开箱即用的 CUDA 算子。注意完整版本可能需要更长时间来编译。
|— mmcv: 精简版，不包含 CUDA 算子但包含其余所有特性和功能，类似 MMCV 1.0 之前的版本。如果你不需要使用 CUDA 算子的话，精简版可以作为一个考虑选项。
但是由于在使用安装最新版本时（来自MMCV的github）

一旦你打开https://download.openmmlab.com/mmcv/dist/ 寻找windows的轮子时

并且看到这个鬼东西

MMDetection version	MMCV version
master	mmcv-full>=1.3.3, <1.4.0
2.12.0	mmcv-full>=1.3.3, <1.4.0
2.11.0	mmcv-full>=1.2.4, <1.4.0
2.10.0	mmcv-full>=1.2.4, <1.4.0
2.9.0	mmcv-full>=1.2.4, <1.4.0
2.8.0	mmcv-full>=1.2.4, <1.4.0
2.7.0	mmcv-full>=1.1.5, <1.4.0

那岂不是说win10最多只能装到2.7吗？匹配的mmcls、mmdet、mmseg都没法安装新版本，没法安装最新版本就说明没有那些更新的模型，没有更新的模型就没法装13，没法装13就不快乐，没有快乐，我，，，啊这

起初我也以为win10不配玩open-mmlab，直到看到了MMCV文档，起飞。

我直接快进到windows源码编译

windows源码编译

python基础环境

默认能看到这篇文章已安装以下环境（算了，根本没人看(╯‵□′)╯︵┻━┻）

• anaconda # 当然，只要能有python3.6以上的环境也行，
• cuda10.2 # 没有N卡那就直接玩CPU的吧，不过对8250u来说，拿faster-RCNN测试（没错，是测试不是训练）一张都需要10秒，安装与升级看这篇文章
• cudnn # cuda加速工具，反正注册不要钱，不安也不会死的

根据描述，你需要安装Git、VS2019、conda、CUDA

这里解释一下

• git 不爱装就没必要安装，除非你想安装(似乎我除了一年前玩laravel时用git，退坑PHP就再也没碰过这玩意(╯‵□′)╯︵┻━┻)
• VS2019 你可以只装VC++编译工具(毕竟咱只要C++环境，不会吧不会吧，不会现在有人玩python不用pycharm或VS code去用Vistual studio吧)，除非你特别想安装VS系列产品 ——那个新手不清楚功能安装导致比安了一堆环境AndroidStudio还大的恐怖存在 conda
• 头铁不用anaconda也可以，只要你不怕炸环境 CUDA 你可以不装，用CPU跑又不是不行（一杯咖啡一核显，一个网络跑一天）

vc++

vc++生成工具MSVC，下载来这里，或者直接度娘，至于具体操作，看我之前安装mmdet2.6的CPU版本

并设置MSVC编译器，保证这条环境变量存在，且：为了兼容性，我们使用x86托管和x64定位的编译器。Hostx86\x64在路径中注意。 这个对于我来说安装时已经添加了

C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.27.29110\bin\Hostx86\x64

上面那行环境变量来自文档，不过你们添加时注意一下，版本不一定是14.27.29110，而且C++生成工具和VS2019的细节路径不太一样，主要就是为了：so that cl.exe will be available in prompt, as shown below. 也就是保证cl.exe在环境变量下，能被prompt调用。

以下这句官方文档机翻：您可能需要将系统语言更改为英语，因为pytorch会解析来自的文本输出cl.exe以检查其版本。但是，只能识别utf-8。导航到控制面板->区域->管理->非Unicode程序的语言，并将其更改为英语。

设置cuda

官方文档里有3中编译方法，mmcv、mmcv-full-cpu、mmcv-full-cuda
直接快进到Build MMCV (full version with CUDA)

确保CUDA_PATH或CUDA_HOME已通过via设置，所需的输出如下所示：ls env（这是MMCV文档里说的）

(base) PS C:\Users\WRH> ls env:

Name                           Value
----                           -----
<... omit some lines ...>
CUDA_PATH                      C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
CUDA_PATH_V10_1                C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
CUDA_PATH_V10_2                C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
<... omit some lines ...>

说成人话就是CUDA_PATH和CUDA_HOME在环境变量里，而且这俩变量如果不搞些奇怪的事，或者专门删，在安装CUDA时会已经添加在环境变量里

并根据你的N卡设置CUDA target arch（说人话就是别让卡跑炸了，先做点限制）

# Suppose you are using GTX 1080, which is of capability 6.1  
# 滚啦，我的XM150只能参考GeForce GTX650Ti=3.0根据提示只能设置3.5(╯‵□′)╯︵┻━┻
$env:TORCH_CUDA_ARCH_LIST="6.1"
# OR build all suppoted arch, will be slow
$env:TORCH_CUDA_ARCH_LIST="3.5 3.7 5.0 5.2 6.0 6.1 7.0 7.5"

查看GPU性能参考这里

# 这里是对CPU编译进行的设置，虽然感觉可能对于有N卡的玩家没必要，不过还是建议都设置一下
$env:MMCV_WITH_OPS = 1
$env:MAX_JOBS = 8  # based on available number of CPU cores and amount of memory
# 但考虑到我的8250u是四核8线程，所以这里只能设置4 (╯‵□′)╯︵┻━┻

编译MMCV

然后就可以开开心心安装MMCV啦
先创建conda环境

conda create -n openmmlab python=3.7
conda activate openmmlab

然后开始下载pytorch版本，注意在MMCV的github里对应支持关系，比如我现在安装的CUDA是10.2，对应的torch版本在1.5~1.8，去pytorch官网找对应的版本

CUDA	torch 1.8	torch 1.7	torch 1.6	torch 1.5	torch 1.4	torch 1.3
11.1	install
11.0		install
10.2	install	install	install	install
10.1	install	install	install	install	install	install
9.2		install	install	install	install	install
cpu	install	install	install	install	install	install

根据B站大神WZ佬的描述，1.6才加入了混合精度（AMP）训练，反正我是建议最好安1.6以上的，就算不用mmcv，复现别人的实例也不用再建一个环境 那我直接安装1.8（用pip还是conda看你自己喜好，我个人感觉pip快点，看个人习惯，左转pip加镜像）

# 使用conda 安装 CUDA 10.2 （两句代码用一个就行）
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch
# 使用 pip 安装 CUDA 10.2
pip install torch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0

然后就是下载MMCV了，没有git，直接进github>code>download ZIP

git clone https://github.com/open-mmlab/mmcv.git

打开prompt进入conda环境，进入到你下载MMCV的文件夹(就是进入解压后得到的mmcv-master文件夹内)

然后根据描述执行编译和启动，编译出问题的话请检查VC++有没有成功添加到路径，这两步都需要一段时间(也可能是我的电脑拉跨)

# build
python setup.py build_ext # if success, cl will be launched to compile ops
# install
python setup.py develop
# check
pip list

最后只要pip list能检查到mmcv-full成功安装就成功了（忽略cls、det、seg，这些玩意以后有空再说）

最后补上MMCV文档下面的机翻
注意：如果你就是硬着头皮页要用PyTorch1.6.0编译，一定会在pytorch里遇到这个问题。按照这里的提示在本地安装的PyTorch中修改源代码。
如果您在运行或编译mmcv时遇到问题，商汤科技的大佬们将在TROUBLESHOOTING中列出一些常见问题。