MMDetection 是一个基于 PyTorch 的开源对象检测工具箱,它是快速搭建目标检测框架,并实现目标检测任务的利器。MMDetection通过模块化设计,将检测框架分解为不同的组件,使用者可以灵活的组合不同的组件,轻松构建需要的目标检测框架。
(1)进入Anaconda官网,选择合适的linux版本的anaconda,图示如下:
(2)在服务器的终端上执行安装命令:
# wget +复制的链接地址:
wget https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-x86_64.sh
# sh + 上面链接中对应的文件名:
sh Anaconda3-2022.10-Linux-x86_64.sh
若使用这种方式无法下载成功,也可以将(1)中的anaconda直接下载到本地,然后上传到服务器进行安装,这里不过多赘述。
(3)默认安装路径或更改地址:(按提示完成即可)
(4)验证是否安装成功:
在命令行键入:conda
若出现:
则Anaconda已经安装成功,若报错,则需要配置环境变量:
a).通过vim进入配置文件: vim /etc/profile
若无法识别vim,可能是未安装vim编辑器,可自行百度安装:
b).在上一步打开的配置文件的末尾,键入: export PATH=/home/hongmoumou/anaconda3/bin:$PATH
,其中/home/hongmoumou/anaconda3为第(3)步中设置的安装路径;
c).Esc键退出编辑模式,键入:wq(冒号wq)保存并退出;
d).键入source /etc/profile
使环境变量生效。
至此,Anaconda在Linux上的安装步骤已经介绍完毕,若安装过程中有不懂的地方,可留言!
(1)创建环境:
conda create -n 环境名 python
示例如下:
解释:利用conda创建一个名为hongmoumou的环境,环境使用python=3.7,这里的python版本与Anaconda对应的的版本可以不一致,但注意,在新建的这个hongmoumou环境下,安装的任何包,都必须是对应python=3.7,不要在这里给自己埋坑。
(2)进入环境:
conda activate 环境名
示例如下:
注意:pytorch版本与服务器版本,代码版本要一致,否则会报错!!!
(1)查看服务器cuda版本:
cat /usr/local/cuda/version.txt
(2)选择适配的pytorch版本:pytorch官方网址
(3)安装pytorch:
conda install pytorch torchvision cudatoolkit -c pytorch
示例如下:
(4)查看pytorch是否安装成功:
方法一:conda list(查看是否有pytorch这个包)
方法二:python
import torch
torch.cuda.is_available() #结果为True
注意:
(1)mmcv与mmcv-full是不同的版本,在同一环境下,只能安装一个,建议安装mmcv-full,简化版的mmcv不支持全部功能,导致在部分最新算法的实现过程中报错;
(2)安装mmcv-full方法:
法一(强烈推荐):在编译文件中下载合适的mmcv-full版本到本地,上传到服务器后,通过命令安装:pip install 文件名
上面示例中,为解决下载文件过慢问题,在命令后添加豆瓣源:
-i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
法二(不推荐):通过github安装mmcv-full或者通过豆瓣源下载mmcv-full安装包:
git clone https://github.com/open-mmlab/mmcv.git #下载mmcv-full代码(代码中mmcv指的就是mmcv-full)
cd mmcv #进入mmcv-full目录
python setup.py build_ext --inplace
python setup.py build_ext install #自己编译mmcv-full文件
两种方法比较:
方法一比较简单,不容易出错,适合初学者,如果想在windows上安装mmdetection,也能通过这种方式安装,windows适配mmcv-full==1.1.5版本;
方法二需要手动编译mmcv-full文件,对于新手来说不友好,编译过程中可能需要安装比较大的VS14.0 C++,还需要配置VS14.0 C++环境,比较麻烦。
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e . #编译
如果编译过程中需要下载一些依赖包,可以ctrl+c打断,在命令pip install -v -e . 后面添加豆瓣源,然后继续运行。
【与创建环境相关的命令】
查看conda版本:conda --version
查看环境已安装的包:conda list
更新所有包:conda update --all
安装缺少的包:pip install 包名
查看已有环境:conda env list
退出环境:conda deactivate
删除环境:conda remove -n 环境名 --all
【服务器上跑代码】
ssh gpunode29 #连接服务器29号节点
nvidia-smi #查看gpu上进程运行情况,可以看所有正在跑的程序的进程号
指定gpu训练:CUDA_VISIBLE_DEVICES=0 python train.py
挂后台训练:nohup python train.py & (避免实验室断电断网)
指定gpu+挂后台:CUDA_VISIBLE_DEVICES=0 nohup python train.py &
查看进程详细信息:ps -ef|grep 进程号
查看命令中包含某个关键字的所有进程:ps -ef|grep python(关键字)
杀死进程:kill -9 进程号