unidetector项目环境配置
本文分享UniDetector最新版本的环境搭建过程，以及可能出现的问题；如有不当，欢迎指正
基本环境：
操作系统：linux
工具：pycharm,anaconda
python版本：python3.8
基本库：cuda = 11.1; pytorch = 1.10; mmcv-full = 1.3.14; mmdet=2.18.0
一：创建unidetector虚拟环境
从https://github.com/zhenyuw16/UniDetector下载代码到本地，解压。
使用conda命令创建虚拟环境：
conda create -n UniDetector python=3.8激活虚拟环境：
conda activate UniDetector
二：安装关键的第三方库
1：安装本地cuda
首先查看自己的显卡驱动，在终端运行：
nvidia-smi
根据自己的显卡驱动选择合适的本地cuda版本（cuda的安装一般是向下兼容的）。
访问cuda安装官网
找到合适的版本后，选择对应的属性，例如：
选择完后界面下方会显示两行指令，复制后在本地终端执行：
后续操作可参考此视频教程：
ubuntu系统安装CUDA和CUDNN（CUDA安装）_哔哩哔哩_bilibili
2： 安装pytorch, torchvision, torchaudio,以及虚拟环境中的cuda
在虚拟环境中执行命令：
conda install pytorch=1.10 torchvision torchaudio pytorch-cuda cudatoolkit=11.1 -c pytorch -c nvidia此过程等待时间可能会比较长
3：安装mmdet
安装mmdet可以直接执行
pip install mmdet==2.18.0注：UniDetector是基于mmdet2.18.0的，而这个版本的mmdet在windows系统上还处于实验阶段，所以操作系统环境建议选择linux或mac系统
4：安装mmcv-full
安装mmcv-full是本人在配置环境过程中遇到最多困难最多的步骤，这里直接给出最终解决的代码，后续可能会进行部分过程分享：
pip install mmcv-full==1.3.18 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.10.2/index.html5：安装requirments.txt里需要的库
pip install -r requirments.txt因为这里涉及到的库很多，直接安装速度会非常的慢，建议换源后安装
换源可参考：
手把手教你在linux环境下更换python的pip源_linux pip换源-CSDN博客
三：对代码进行部分修改
环境配置好后运行总会出现报错，这时需要在报错文件image.py进行一部分的修改：
1：
image.py文件142line
label_text = class_names[
label] if class_names is not None else f'class {label}'ess
此代码需判断 ，class_name为字典，所有改为
if isinstance(class_names, dict):
label_text = class_names[
label] if class_names is not None else f'class {label}'
2：
image.py文件145line
if len(bbox) > 4:
label_text += f'|{bbox[-1]:.02f}'
ax.text(
bbox_int[0],
bbox_int[1],
f'{label_text}',
bbox={
'facecolor': 'black',
'alpha': 0.8,
'pad': 0.7,
'edgecolor': 'none'
},
该代码首先要对label_text赋值，所以在代码前加上
label_text = ‘’
四：测试
测试之前需要根据readme的指示去下载好UniDetector作者提供的已经训练好的模型，可以新建一个checkpoints文件夹专门存放，然后执行命令进行验证。（每个模型是有对应好的配置文件的，如果模型与配置文件不匹配，会导致只有边界框没有类别信息的情况发生）
python demo/image_demo.py demo/demo.jpg configs/singledataset/clip_end2end_faster_rcnn_r50_c4_1x_coco.py checkpoints/epoch_12_end2end_coco.pth如果出现下图说明环境配置成功，可以进行下一步研究：
