【OpenMMLab】mmyolov2部署

前言

MMYOLO是基于PyTorch和MMDetection的YOLO系列算法的开源工具箱。它是OpenMMLab项目的一部分。

注意：主分支使用PyTorch 1.6+。

 作者系统：Ubuntu20.04+CUDA11.3+cudnn8.6+anaconda+python=3.8+pytorch==1.10.1 torchvision==0.11.2  cudatoolkit=11.3

GPU:RTX2080TI * 1

 主要特点

统一方便的基准
MMYOLO统一了各种YOLO算法中模块的实现，并提供了统一的基准。用户可以以公平和方便的方式进行比较和分析。
丰富而详细的文档
MMYOLO为入门、模型部署、高级使用和算法分析提供了丰富的文档，使不同级别的用户可以轻松入门并快速进行扩展。
模块化设计
MMYOLO将框架分解为不同的组件，用户可以通过将不同的模块与各种培训和测试策略相结合，轻松定制模型。

CUDA安装请看笔者之前的笔记：CUDA安装

2、YOLO部署

MMYOLO依赖于PyTorch、MMCV、MMEngine和MMDetection。以下是安装的快速步骤。

conda create -n mmyolo python=3.8 pytorch==1.10.1 torchvision==0.11.2 cudatoolkit=11.3 -c pytorch -y
conda activate mmyolo
pip install openmim
mim install "mmengine>=0.3.1"
mim install "mmcv>=2.0.0rc1,<2.1.0"
mim install "mmdet>=3.0.0rc3,<3.1.0"
git clone https://github.com/open-mmlab/mmyolo.git
cd mmyolo
# Install albumentations
pip install -r requirements/albu.txt
# Install MMYOLO
mim install -v -e .

安装过程图如下：

3、验证

1.下载配置文件和模型权重文件

mim download mmyolo --config yolov5_s-v61_syncbn_fast_8xb16-300e_coco --dest .

2.推理验证

python demo/image_demo.py demo/demo.jpg \
                          yolov5_s-v61_syncbn_fast_8xb16-300e_coco.py \
                          yolov5_s-v61_syncbn_fast_8xb16-300e_coco_20220918_084700-86e02187.pth

路径 output/demo.jpg