win10安装JupyterLab,创建gpu版mmdetection环境
概述
刚到一台新电脑,感觉可以用来跑跑Deep Learning,久违的配置一下环境
下载内容
- Visual Studio
- anaconda
- cuda
- cudnn
conda环境配置
- pytorch
- mmdetection
- opencv
- Jupyter-lab
Visual Studio 2019下载
在官网下载2019专业版,按步骤安装
下载的时候这里勾选使用C++的桌面开发
没有勾选也没关系,下载成功,重启后点开Visual Studio,创建新项目后在上方工具栏选择 工具 – 获取工具和功能 下载
下载成功后,要在路径中找到cl.exe
将cl.exe所在路径添加到环境变量中
在cmd中测试一下,弹出如下界面表示配置成功
anaconda3下载
在官网下载anaconda,在cmd测试一下
至此,anaconda3下载成功,
cuda下载
安装cuda之前需要确认显卡支持的cuda版本,打开NVIDIA控制面板
点击系统信息,再点击组件
可以看到我的电脑支持的最高cuda版本是11.4
先去pytorch官网看一眼支持的cuda版本
NVIDIA官网下载对应版本的cuda
这里我选的是11.3版本
选择自定义安装,如果电脑本身有Visual Studio Integration,要将这个取消勾选,下面三个选项均不选。
打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin,有nvcc.exe则说明cuda安装成功
打开路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\lib64,有cupti64_2021.1.1.dll说明CUPTI安装成功
cudnn下载
在cudnn下载地址找到对应的cuda版本(需要注册账号)
解压后,把cudnn这三个文件夹里的文件复制到cuda对应文件夹中
添加cuda环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\libx64
测试cuda
查询显卡算力
>> cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite
>> deviceQuery.exe
conda创建pytorch环境
>> conda create -n mmdet python=3.9
>> conda env list
>> activate mmdet
这里mmdet是创建的环境名,conda env list可以查看当前conda环境,activate可以激活对应环境
OK,到这一步可以开始装pytorch了
在pytorch官网找到你想要安装的版本,复制下方的命令开始安装,安装过程可能比较慢(可以换清华源)
# CUDA 10.2
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=10.2 -c pytorch
检测是否可以采用gpu版本的pytorch
顺便安装一下opencv(不安装后面可能会报错)
pip install opencv-contrib-python
安装mmdetection
在mmdetection开始中按照流程配置环境
下面几行命令摘自mmdetection开始页面(以mmdetection页面为准)
pip install -u openmim
mim install mmcv-full
如果你直接开发和运行mmdet,从源头下载:
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .
安装Jupyter-lab
现在有了jupyter notebook还没装jupyter-lab,
conda install -c conda-forge jupyterlab
jupyter notebook --generate-config
jupyter notebook password
设置好jupyter密码后,还需要在浏览器上选择环境
conda install nb_conda_kernels
conda install ipykernel
python -m ipykernel install --user --name mmdet --display-name "mmdet"
运行上述命令后,在命令行输入jupyter-lab就可以启动了
在浏览器输入localhost:8888,输入密码后进入jupyter-lab
万里长征只差一步了!!
现在需要验证mmdetection安装成功,采用官方给出的测试方案
cd mmdetection
mim download mmdet --config yolov3_mobilenetv2_320_300e_coco --dest .
python demo/image_demo.py demo/demo.jpg yolov3_mobilenetv2_320_300e_coco.py yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth --device cpu --out-file result.jpg
如果运行中出现异常 KeyError: Cascade Mask R-CNN
找到图中路径,修改search.py中的第390行为:
if collection_name and collection_name in name2collection.keys():
运行成功后,会发现多了一个result.jpg图片
至此,mmdetection安装成功!!
参考文章
关于“import CV2”出错,显示:ModuleNotFoundError: No module named ‘cv2’
ModuleNotFoundError: No module named ‘cv2’ (安装cv2)
KeyError: ‘Cascade Mask R-CNN‘
WIN10系统安装最新MMdetection2.19.0最详细教程(包含mmcv-full最新版1.3.17安装)(本方法可适用于最新版本mmdet)
看到评论会回复,欢迎大家交流讨论