mmdection的安装、测试,心酸历程

mmdection是什么有什么作用,这里就不介绍了,大家可以在官方github里看
这里就说一些我遇到的问题和一些我的想法。
1、刚开始配置mmdection时,想着在我自己原来的pytorch环境中安装,但是出了一些问题。强烈建议按照官方的说明一步一步的安装,别人的博客就拿来参考,因为mmdection是一直在更新的,包括他的安装步骤也会有少许的更新,一不留神就可能会安装错误。
2、在安装mmdection时最好就是新建一个pytorch环境,不要在原来你的环境里面安装,省去不必要的麻烦。

接下来说一些我的安装步骤,仅供参考,还是那句话,要按官方最新版本的安装步骤来草错操作。
在介绍安装步骤之前,首先来介绍官方安装步骤如下的东西:
在这里插入图片描述

注意,这个步骤中的a、b、c等才是安装的主要步骤,它们下面的小分支其实是一些小的注意事项和其他啥的。因此有的地方我们可以忽略。
下面介绍我的安装步骤:

首先第一步,创建conda环境,并激活:

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab

第二步,安装最新版pytorch环境,这个有不懂的可以按我之前写的一篇博客里进行参考

第三步,安装mmcv:

pip install mmcv-full==latest+torch1.5.0+cu101 -f https://openmmlab.oss-accelerate.aliyuncs.com/mmcv/dist/index.html

第四步,下载mmdection:

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection

当然你如果嫌弃这样下载慢,可以直接download下来,然后再返回到你的下载目录里。

第五步,编译

这里,要注意,在编译的时候,不要选择**pip install -v -e .**这样的方式编译,因为这样你每次修改你的代码,都要重新再次编译,具体什么原因,别的安装博客已经说的很清楚了。也就这点和官网的安装步骤不太一样。

pip install -r requirements/build.txt
python setup.py develop

至此,mmdection的安装已经完成了。我们可以下载官方提供的预训练模型进行简单的测试。例如我下载的是faster-rcnn的一个预训练模型。
注意这里千万不要去别人提供的百度网盘下载预训练模型,因为它们的预训练模型和现在的官方提供的mmdection的网络结构是有点不一样的,用别人下载的会出现一些问题,我会在文章结尾说明。
在这里插入图片描述
在官方的getstart.md文件里会有测试图片的代码。
这里首先在mmdection目录创建一个chckpoints文件夹,然后把你下载的预训练模型放进这个文件夹里面。

python demo/webcam_demo.py configs/faster_rcnn_r50_fpn_1x_coco.py \
    checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth

注意,这里要把执行语句的faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth改为你下载的预训练模型,例如我的:

python demo/image_demo.py demo/demo.jpg configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py checkpoints/mask_rcnn_r50_fpn_2x_coco_bbox_mAP-0.392__segm_mAP-0.354_20200505_003907-3e542a40.pth --device cpu 

最后会输出一张图片如下
在这里插入图片描述
然后说一下我遇到的问题,就是刚开始我从别人网盘下载了预训练模型,但是与遇到如下问题

  "Distutils was imported before Setuptools. This usage is discouraged "
The model and loaded state dict do not match exactly
blabla............

在这里插入图片描述
最后我下载了官方提供的预训练模型,就解决了。

  • 3
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值