目录
01.mmlab界面
02. 重重之重
03.虚拟环境
04.进入创建的虚拟环境
05.查看服务器或者电脑安装的CUDA版本
06. 进入pytorch官网 找到对应torch下载命令:
07.安装MMdetection
08 测试是否安装成功
官方文档
1.官方文档-open mmlab
open mmlab-GitHub
2. 官方文档0-MMdetection
MMdetection-GitHub
3.官方文档-MMCV
MMCV-GitHub
4. 官方文档-不得不知的MMDetection学路线
简洁步骤:
conda create -n openmmlab python=3.7 -y
conda activate openmmlab
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorch -y# install the latest mmcv 注意安装mmcv-full时cuda和torch的版本一定要对应
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.6.0/index.html# install mmdetection
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements/build.txt
pip install -v -e .
阅读README.MD和requirements.txt文件。
MMDetection是MMLab家族的一员,是由香港中文大学和商汤科技共同推出的,以一个统一的架构支撑了15个大方向的研究领域。MMDetection依赖Pytorch和MMCV,因此安装之前需要先安装这两个库。
恶魔男朋友再三叮嘱代码首先要看README.MD和rurequirements.txt,嘤嘤嘤
在README.MD中找到下边界面,点击红色框查看安装步骤。
创建一个conda虚拟环境mmdetection,命令以及实践如下
conda create -n mmdetection python=3.8
conda activate mmdetection
因为需要在mmcv中安装对应的Pyroych版本才可以,不然没有对应的安装命令,那就太惨喽。注意我的CUDA的版本为11.3
nvcc -V
或者 nvcc -version
在mmcv的README中可以查看CUDA与对应的Pytorch版本。11.3版本的CUDA可以安装1.11与1.10版本的torch。
在torch官网的GET Started中的Previous Pytorch Versions可以查看以前版本的安装命令。
查看pytorch是否安装
conda list
MMCV有两mmcv-full和mmcv两个版本,两者差别在于是否包含CUDA操作,如果不需要使用CUDA可以安装mmcv,不过官方还是推荐安装完整版的mmcv-full,如果处于服务器这类无法联网的环境,可以参照官方说明使用源码安装。
7.1第一种方式 自动安装这是官网推荐的
pip install openmim mim install mmdet
7.2 第二种方式:手动安装
首先需要安装mmcv,主要mmcv与mmcv-full只能安装一个,建议安装mmcv-full更好。下边的界面是截取的官网教程,071介绍如何找寻并复制这个命令。
7.2.1 进入mmcv官网 复制对应的命令
在这最好指定mmcv-full的版本,不要跟下边一下默认版本,因为在验证的时候会出bug,你会头大的,所以还是不要偷懒哦!不过你跟我一样删除了也没有关系,最后我给出了解决方案,这个解决方案找的我好费劲啊!!!!!
上边是在liunx系统执行的命令以及执行过程以及结果显示,显示上边界面则表示安装成功。终于成功啦,坚持不懈的小刺猬,你真是太棒啦啦啦啦啦。呱唧呱唧,继续吧。
7.2.2接着安装MMdetection,下边是截取的官网的教程
git clone https://github.com/open-mmlab/mmdetection.git
如果已经在本地下载了mmdetection这个代码,则在终端不需要输入这个命令。如果没有下载则需要执行这个。我已经将代码下载并同步到服务器,则不需要执行前两行代码。直接执行第三行第四行代码即可。
如果直接在 虚拟环境中执行pip install -r requirements/build.txt这个命令,则会报错会找不到这个命令。如下图,
因此我们需要用cd命令先进入上边提及的克隆代码根目录,然后在输入这个命令就成功了。
然后执行第四行代码即可,如下
验证时需要先配置好文件,首先进入mmdetection-master/demo中找到需要执行的py文件也就是image_demo.py这个文件。修改这个文件中的参数配置。
1. image需要改成验证的文件路径;
2. config参数需要在mmdetection-master/config中找到你想要用的模型。
3. checkpoint需要换在mmdetection官网中 找到config中的模型,进入readme可以看见
4. download中的model,就是对应模型的权重。下载下来,放到你的demo中。
进入mmdetection-master根目录下,执行
python demo/image _demo.py
在执行的时候可能会遇见问题如下:
解决后基本上就可以执行了。完美,你太棒了。又是收获满满的一次。冲冲