安装mmdetection（Windows环境下）

1. 参考链接

• github open-mmlab/mmdetection 的中文安装教程
• 肆十二-知乎-windows下安装mmdetection（主要参考的文章！）
• 目标检测篇：MMDetection 推理使用与详细踩坑记录
• MMDetection目标检测工具使用指南及问题总结

2. 最终安装的版本信息

• 显卡：RTX 3050
• 系统：Windows 10
• cuda：11.3
• cudnn：8.4.0
• pytorch：1.8.0
• torchvision：0.9.0
• mmcv-full：1.5.1
• mmdetection：2.24.1

查看cuda版本号：在cmd中键入：nvcc --version即可

查看cudnn版本号：

需要进入到安装CUDA的目录中的include文件夹去寻找cudnn_version.h文件（我更改了安装位置所以未安装到C盘）

• CUDA的安装目录：D:\SoftWareInstallMenu\CUDA\NVIDIA GPU Computing Toolkit\CDUA\v11.3\include
• 找到cudnn_version.h文件，将这3行数字拼在一起即可。例如我的就是：8.4.0

3. 安装过程

（我这里就不说明PyTorch、CUDA怎么安装了哈~这些应该在配置环境的时候都是安装好了的。我主要是记录一下mmdetection是怎么安装的 (●’◡’●)）

❀❀❀❀❀❀❀安装于2022.5.22❀❀❀❀❀❀❀

注意：以下安装都是在具体某一虚拟环境下的！！！所以记得先在cmd中激活环境进入后再安装哈~（我是安装在yolov5虚拟环境下的）

step1：安装mmcv-full

mmcv是mm系列的底层支持，包括安装mmclassification、mmsegmentation都会使用到mmcv，这里有两个安装版本：简化的版本mmcv，完整的版本mmcv-full。完整的版本中包含了大量的算子，GPU下最好还是安装这个完整的版本mmcv-full，安装命令如下：

（没有指定mmcv-full的版本号，则默认安装最新版本。版本为：1.5.1）

注意：
1.更改cu113，我的CUDA=11.3

2.更改torch1.8.0，我的torch=1.8.0

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.8.0/index.html

引自github官方教程的一个说明：
注意：如果已经安装了 mmcv，首先需要使用 pip uninstall mmcv 卸载已安装的 mmcv，如果同时安装了 mmcv 和 mmcv-full，将会报 ModuleNotFoundError 错误。

step2：安装mmdetection

引自github官方教程的一个说明：
MMDetection 和 MMCV 版本兼容性如下所示，需要安装正确的 MMCV 版本以避免安装出现问题。

在上面的一步中我安装了最新版本的1.5.1的mmcv，所以这步的安装同样直接安装最新版本的mmdetection即可，依次执行下面四行命令即可：

git clone https://github.com/open-mmlab/mmdetection.git   
cd mmdetection   
pip install -r requirements/build.txt   
pip install -v -e . 

但是如果电脑上没有下载安装过git工具的话，是无法执行第一条命令的！所以我就直接在github上下载了最新版本的mmdetection包，然后依次执行的剩下两行命令。过程如下：

（1）到 mmdetection/tags 页面下载最新版本的mmdetection（点击下载 mmdetection-v2.24.1）

（2）将mmdetection-2.24.1压缩包放到一个任意目录中然后解压，再cmd进入到该mmdetection-2.24.1文件夹下

(3) 在cmd中键入命令：pip install -r requirements/build.txt

（我这个显示之前就安装过了）

(4) 在cmd中键入命令：pip install -v -e .

4. 验证mmdetection是否可用

引自github官方教程的一个说明：
为了验证是否正确安装了 MMDetection 和所需的环境，我们可以运行示例的 Python 代码来初始化检测器并推理一个演示图像。
（github上有示例代码，但是我直接参考了以下方法进行验证，流程是相似的）

step1：在mmdetection-2.24.1目录下新建一个checkpoints目录

step2：下载FasterRcnn的权重到这个mmdetection2.24.1\checkpoints文件夹中（点击下载FasterRcnn权重，更多模型指标、权重可详见github上的Benchmark and Model Zoo）

step3：在cmd已激活的配置好mmdetection的虚拟环境中，先进入到mmdetection2.24.1目录下，再执行以下代码

python demo/image_demo.py demo/demo.jpg configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth