windows系统配置swin transformer环境

         由于之前装双系统的时候给ubuntu分配的内存比较小，装了各种环境之后就不够用了，所以想在windows环境下配置swin transformer，本以为是个简单的环境配置，但是出现了各种意外的错误，比如xx._ext找不到，又或者nms不支持GPU，还有一些别的奇奇怪怪的问题。。。

         一气之下直接重装了CUDA和anaconda，卸载anaconda的时候真是一把鼻涕一把泪，懂的都懂，就不多说了。

         简单捋一下安装过程吧。

        为了能够直接用官方预编译的mmcv-full，我这里直接装了对应的CUDA11.1，这里默认使用CUDA，cpu的环境还没折腾

首先确保电脑上安装了Microsoft Visual Studio2019，并且将cl.exe配置到了环境变量中

比如我的

C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.29.30133\bin\Hostx64\x64

配置完环境变量之后重启下电脑，之后在cmd中输入cl 就会看到如下信息

用于 x64 的 Microsoft (R) C/C++ 优化编译器 19.29.30133 版
版权所有(C) Microsoft Corporation。保留所有权利。

用法: cl [ 选项... ] 文件名... [ /link 链接选项... ]

在官方的github上下载源码备用，使用anaconda powershell 创建虚拟环境

conda create -n swin python=3.8
conda activate swin

在swin环境中首先要安装pytorch

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

这里直接用pip安装，安装过程如果网比较慢可以复制Downloading后面的那个网址到网页上去下载

        接下来先安装mmcv，就是这玩意坑死了，装他装的快要砸电脑了。。。官方提供了三种安装方式，一种是懒人一键安装mmcv-full，不过不建议这么做，因为这样下载的是最新的版本（目前1.5.0），而swin transformer支持的最高版本是1.4.0，所以装了能用来推理（需要改一下assert语句），但是训练就会出现什么encoding不对的问题；另一种是使用官方预编译的版本，比较建议使用这个方式；最后就是源码直接编译

1、一键安装

pip install openmim
mim install mmdet

2、预编译

官方网址写的比较明白，这里就不多说了，找到对应的torch版本和cuda版本然后设置好mmcv的版本就可以直接pip安装，不过初次安装时间会比较久

pip install mmcv-full==1.3.9 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html

我这里安装的是1.3.9的版本，可以使用下面的测试代码看一下，mmcv-full是不是正确被安装

import numpy as np
import torch

from mmcv.ops import box_iou_rotated
from mmcv.utils import collect_env


def check_installation():
    """Check whether mmcv-full has been installed successfully."""
    np_boxes1 = np.asarray(
        [[1.0, 1.0, 3.0, 4.0, 0.5], [2.0, 2.0, 3.0, 4.0, 0.6],
         [7.0, 7.0, 8.0, 8.0, 0.4]],
        dtype=np.float32)
    np_boxes2 = np.asarray(
        [[0.0, 2.0, 2.0, 5.0, 0.3], [2.0, 1.0, 3.0, 3.0, 0.5],
         [5.0, 5.0, 6.0, 7.0, 0.4]],
        dtype=np.float32)
    boxes1 = torch.from_numpy(np_boxes1)
    boxes2 = torch.from_numpy(np_boxes2)

    # test mmcv-full with CPU ops
    box_iou_rotated(boxes1, boxes2)
    print('CPU ops were compiled successfully.')

    # test mmcv-full with both CPU and CUDA ops
    if torch.cuda.is_available():
        boxes1 = boxes1.cuda()
        boxes2 = boxes2.cuda()
        box_iou_rotated(boxes1, boxes2)
        print('CUDA ops were compiled successfully.')
    else:
        print('No CUDA runtime is found, skipping the checking of CUDA ops.')


if __name__ == '__main__':
    print('Start checking the installation of mmcv-full ...')
    check_installation()
    print('mmcv-full has been installed successfully.\n')

    env_info_dict = collect_env()
    env_info = '\n'.join([(f'{k}: {v}') for k, v in env_info_dict.items()])
    dash_line = '-' * 60 + '\n'
    print('Environment information:')
    print(dash_line + env_info + '\n' + dash_line)

运行之后会显示

       这样就表示安装成功了，这样就可以放心执行之后的步骤，不然后面都是在浪费时间，官网的步骤是接下来直接安装mmdet，不过这里不建议这么干，后面配置工程的时候会安装指定版本的mmdet。

3、从源码安装

从github上下载需要的mmcv release版本，cd到对应的目录下，按照guide安装即可，或者简单build

#build
python setup.py build_ext
# install
python setup.py develop

 之后编译apex，从github上clone下apex，cd到对应目录

pip install -v --no-cache-dir .

或者直接

python setup.py install

最后就是配置工程，先安装相应的依赖，cd到swin transformer工程路径

pip install -r requirements.txt

这里有一点要提一下，安装时先把requirements文件夹中的test.txt中的onnx注释掉，不然编译的时候会报错，提示找不到对应的onnx版本，其实是有的。。。

依赖安装完之后

python setup.py develop

 到这里环境基本搭建好了

可以在swin transformer工程文件夹下创建test.py来测试一下环境是否可行

from mmdet.apis import init_detector, inference_detector, show_result_pyplot

# configs路径
config_file = r'G:\DLproject\Swin_Transformer\configs\swin\mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_1x_coco.py'

# 这个就是权重文件，可自行到官方github上下载
checkpoint_file = r'G:\DLproject\Swin_Transformer\model\mask_rcnn_swin_tiny_patch4_window7_1x.pth'
device = 'cuda:0'
# init a detector
model = init_detector(config_file, checkpoint_file, device=device)
# inference the demo image

# 测试图片
image = r'G:\DLproject\Swin_Transformer\demo\demo.jpg'

result = inference_detector(model, image)

show_result_pyplot(model, image, result, score_thr=0.3)

测试结果：