上次介绍了如何在 Ubuntu 18.04 上搭建深度学习环境。
最近开始要做实验了，打算先学下 MMDetection。
这里总结下 MMDetection v2 的安装和使用。
本文先介绍如何搭建 MMDetection v2 的实验环境。
2021.9.1 更新：适配 MMDetection v2.16
目录：
- MMDetection v2 目标检测（1）：环境搭建
- MMDetection v2 目标检测（2）：数据准备
- MMDetection v2 目标检测（3）：配置修改
- MMDetection v2 目标检测（4）：模型训练和测试
服务器的环境配置：
-
Ubuntu：18.04.5 -
CUDA：10.1.243 -
Python：3.7.9 -
PyTorch：1.5.1 -
MMDetection：2.16.0
1 PyTorch
1.1 搭建虚拟环境
- 创建虚拟环境：
conda create -n pytorch python=3.7
- 激活虚拟环境：
conda activate pytorch
相关命令：
conda env list # 查看已创建的虚拟环境
conda deactivate # 退出虚拟环境
conda create -n --clone # 克隆虚拟环境
conda remove -n --all # 删除虚拟环境
注意：
接下来均在该虚拟环境下操作。
- 查看
python版本：
python --version
Python 3.7.9
1.2 安装常用的包
conda 安装：
conda install numpy scipy pandas matplotlib seaborn scikit-learn
其他的包，可根据需要，另行安装。
相关命令：
conda list # 查看已安装的包
conda update # 更新包
conda uninstall # 卸载包
1.3 安装 PyTorch
-
conda安装：
conda install pytorch=1.5 torchvision cudatoolkit=10.1 -c pytorch
- 在
Ipython查看pytorch版本，并检测cuda是否可用：
In [1]: import torch
In [2]: print(torch.__version__)
In [3]: print(torch.cuda.is_available())
Out [2]: 1.5.1
Out [3]: True
2 MMCV
2.1 安装必要的包
pip 依次安装：
pip install cython
pip install opencv-python
2.2 安装 MMCV
- 下载预编译包安装（推荐）：
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.5.0/index.html
其中，cu101 和 torch1.5.0 需要根据自己版本修改。
或本地编译安装：
pip install mmcv-full
- 在
Ipython导入mmcv查看cuda和gcc版本：
In [1]: from mmcv.ops import get_compiling_cuda_version, get_compiler_version
In [2]: print(get_compiling_cuda_version())
In [3]: print(get_compiler_version())
Out [2]: 10.1
Out [3]: GCC 7.5
3 MMDetection
3.1 下载 MMDetection
-
git克隆mmdetection目录到本地：
git clone https://github.com/open-mmlab/mmdetection.git
Cloning into 'mmdetection'...
remote: Enumerating objects: 26, done.
remote: Counting objects: 100% (26/26), done.
remote: Compressing objects: 100% (23/23), done.
remote: Total 13701 (delta 10), reused 4 (delta 2), pack-reused 13675
Receiving objects: 100% (13701/13701), 13.97 MiB | 75.00 KiB/s, done.
Resolving deltas: 100% (9273/9273), done.
- 打开
mmdetection目录：
cd mmdetection
3.2 安装依赖的包
pip 安装：
pip install -r requirements.txt
打开 ./requirements.txt：
-r requirements/build.txt
-r requirements/optional.txt
-r requirements/runtime.txt
-r requirements/tests.txt
可以看到，包含四个依赖文件，具体内容如下：
# build.txt
# These must be installed before building mmdetection
cython
numpy
# optional.txt
cityscapesscripts
imagecorruptions
scipy
sklearn
# runtime.txt
matplotlib
numpy
pycocotools; platform_system == "Linux"
pycocotools-windows; platform_system == "Windows"
six
terminaltables
# tests.txt
asynctest
codecov
flake8
interrogate
isort==4.3.21
# Note: used for kwarray.group_items, this may be ported to mmcv in the future.
kwarray
-e git+https://github.com/open-mmlab/mmtracking#egg=mmtrack
onnx==1.7.0
onnxruntime>=1.8.0
pytest
ubelt
xdoctest>=0.10.0
yapf
3.3 安装 MMDetection
- 编译
mmdetection：
python setup.py develop
running develop
running egg_info
creating mmdet.egg-info
writing mmdet.egg-info/PKG-INFO
writing dependency_links to mmdet.egg-info/dependency_links.txt
writing requirements to mmdet.egg-info/requires.txt
writing top-level names to mmdet.egg-info/top_level.txt
writing manifest file 'mmdet.egg-info/SOURCES.txt'
reading manifest file 'mmdet.egg-info/SOURCES.txt'
writing manifest file 'mmdet.egg-info/SOURCES.txt'
running build_ext
Creating /home/user/anaconda3/envs/pytorch/lib/python3.7/site-packages/mmdet.egg-link (link to .)
- 在
Ipython查看mmdetection版本：
In [1]: import mmdet
In [2]: print(mmdet.__version__)
Out [2]: 2.16.0
3.4 测试 MMDetection
- 新建模型参数目录：
mkdir checkpoints
- 下载
Faster R-CNN的模型参数文件，并存放到./checkpoints目录下。
wget -c http://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth \
-O checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
- 在终端运行：
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 --device cpu
或在 JupyterLab 依次执行：
from mmdet.apis import init_detector, inference_detector, show_result_pyplot
import mmcv
config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
model = init_detector(config_file, checkpoint_file, device='cuda:0')
img = 'demo/demo.jpg'
result = inference_detector(model, img)
show_result_pyplot(model, img, result)
4 结语
最后再来回顾一下：
# pytorch
conda create -n pytorch python=3.7
conda activate pytorch
conda install pytorch=1.5 torchvision cudatoolkit=10.1 -c pytorch
# mmcv
pip install cython
pip install opencv-python
pip install mmcv-full
# mmdetection
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements.txt
python setup.py develop
有帮助的话，点个赞再走吧，谢谢~
参考：
- 最新版本的mmdetection2.0 （v2.0.0版本）环境搭建、训练自己的数据集、测试以及常见错误集合
- Get Started