mmsegmentation的安装

前言

本文mmsegmentation的安装是基于pytorch，本文的前三步详细说明了安装pytorch的过程，mmcv和mmsegmentation基本是按照openmmlab中的安装文档完成的。

安装Anaconda

下载地址：https://www.anaconda.com/download/.

选择相应版本即可：

下载后正常安装即可：
但是需要在此一般选择All users:

两者的区别在于：同一台电脑有几个用户，如果说你所用的电脑有两个及以上的用户选择All Users，但一般我们一台电脑只有一个用户，为了避免日后不必要麻烦，选择All Users。
检测安装是否成功
打开命令行输入：conda --version
出现相应版本号安装成功。

安装CUDA和cuDNN

在安装pytorch时选择使用CUDA计算，所以需要提前安装好CUDA。
CUDA 10.2安装链接（官网）：https://developer.nvidia.com/cuda-10.2-download-archive.
如图选择相应版本下载并安装即可

另一个需要下载的环境就是cuDNN了，cuDNN相当于CUDA的一个起加速器作用的工具。
CUDA 10.2安装链接（官网）：https://developer.nvidia.com/cudnn.

注意这里一定要与CUDA 的版本一致。
下载后，把cuDNN的所有文件复制到CUDA 的v10.2文件的目录下：

复制到：
验证CUDA是否安装成功：
在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin目录下进入命令行窗口输入nvcc -V

出现与上图相同的结果,CUDA也算是安装成功了。

验证cuDNN是否安装成功：
在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite 目录下输入bandwidthTest.exe来运行bandwidthTest程序

与上图Result得到的结果为PASS时，cuDNN也算安装成功。
到此为止，整个CUDA环境的配置正式完成。

安装pytorch

安装完CUDA 和 cuDNN后便可安装pytorch。
在Anaconda Powershell Prompt中输入conda create -n pytorch python=3.9创建一个pytorch的虚拟环境,这里选择的python为3.9，后续配置环境都应与3.9的python对应。
然后输入conda activate pytorch激活环境，就进入到pytorch虚拟的环境系统中了。

再去pytorch官网：https://pytorch.org/get-started/locally/
根据自己电脑的实际配置，本文使用的是win10,所以就选择了windows,pip安装，语言为python,CUDA10.2（使用GPU进行计算）此处应根据电脑显卡而定，一般而言，显卡为独立显卡且为NVIDA就可使用GPU进行计算，使用GPU计算的好处在于计算速度快于CPU。

在pytorch的虚拟环境下输入命令pip3 install torch==1.10.2+cu102 torchvision==0.11.3+cu102 torchaudio===0.10.2+cu102 -f https://download.pytorch.org/whl/cu102/torch_stable.html 进行下载和安装（会花费较长时间）
（也可去单独下载 torch、torchvision和torchaudio 注意版本一定要与该命令中的版本相同，比如torch选择1.10.2并且CUDA 为10.2的windows 64位机的版本，torchvision和torchaudio也类似。下载之后找到相应安装包输入pip install 命令安装相应文件即可）
输入conda list就可以查看pytorch虚拟环境下的配置了。

发现相应到torch torchvision和torchaudio被配置好了（我直接输入的命令，发现没有torch,只有pytorch 起初没有发现这个问题，但不会影响mmseg的代码执行） 到此pytorch所需的所有环境已经安装好了。

利用pycharm验证一下pytorch能否正常使用
先在设置中添加环境



新建一个项目，运行代码：

import torch

print("hello {}".format(torch.__version__))
print(torch.cuda.is_available())

分别对应以下两个输出说明pytorch最终成功安装

安装mmsegmentation

openmmlab的mmsegmentation安装文档：https://github.com/open-mmlab/mmsegmentation/blob/master/docs/en/get_started.md#installation.
安装mmsegmentation必须先安装mmcv。
openmmlab的mmcv安装文档：https://mmcv.readthedocs.io/zh_CN/latest/get_started/installation.html.
在这里一定要注意mmcv和mmsegmentation的版本对应问题，如果版本不对应会出现意想不到并且难以解决的问题。

但是正如下图所介绍的，我们可以直接根据torch、cuda版本直接使用mmcv-full的预编译包进行安装。

由于提前安装好的cuda、pytorch版本分别为10.2、1.10.1，输入pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.10.0/index.html命令就可以完成对mmcv-full的安装。
其中需要特别注意上图红色方框中的部分，这也是为什么我的pytorch版本为1.10.1但是命令中输入的torch版本为1.10.0的原因。

这时我们就可以进行最后一步进行安装mmsegmentation了。
因为我们要进行对mmsegmentation的开发，这里需要下载mmsegmentation源码

输入git clone https://github.com/open-mmlab/mmsegmentation.git cd mmsegmentation pip install -e . # or "python setup.py develop"命令，完成了对mmsegmentation的安装。

运行代码

利用openmmlab提供的数据集运行测试一下mmsegmentation的效果。
详见视频：https://www.bilibili.com/video/BV1EY411V7ZV?spm_id_from=333.999.0.0.
(自己录制的，有不足之处或者遇到的疑问可以评论。我看到会及时回复的)

安装过程中遇到的问题

1.起初安装的几次失败时python用的3.8版本，后来怀疑可能与mmsegmentation安装的版本关系，改成了3.9版本的python
2.在pycharm的终端中不知道该怎么进入pytorch虚拟环境，尝试了网上各种方法一直都没成功，最终尝试输入cmd就可以进入到pytorch虚拟环境了（在pytorch的虚拟环境中终端可以实现一些数据集的转换）。
3.在pycharm运行数据集遇到缺少下面的报错：
这里其实是缺少了opencv库，在Anaconda Powershell Prompt中输入命令conda install opencv完成库的安装即可。