记录一下搭建MMDetection环境过程

newbook3

已于 2023-09-22 09:37:52 修改

阅读量208

点赞数

文章标签： pytorch 人工智能 linux python 目标检测计算机视觉

于 2023-09-20 12:53:38 首次发布

本文链接：https://blog.csdn.net/Gosh_feifei_kris/article/details/133065869

版权

安装MMDetection环境

系统：ubuntu 18.04
显卡 3060
pytorch 2.0
cuda 11.8

请针对自己的系统和硬件环境选择配置，cuda版本建议不要太高，我安装了12.1版本的cuda，运行程序会报错。由于我已经安装好了环境，所以很多地方都没有配图，每个人遇到的错误都不一样，我只针对于我遇到的错误进行分享。

1、安装Pytorch

安装anaconda我就不多赘述了。可以参考我的另一篇文章复现PointRcNN

利用conda创建环境

conda create --name openmmlab python=3.8 -y
conda activate openmmlab

安装pytorch直接去官网找符合自己系统的版本安装
在这里插入图片描述
没有自己想要的版本还可以点击Previous PyTorch Versions 选择以前的版本。
直接复制命令安装即可。

可以运行以下代码来验证是否安装成功
python
import torch
torch.__version__

2、安装CUDA Toolkit

2.1 安装nvidia驱动

ubuntu系统可以直接进入到软件和更新里面，点击驱动版本较大的即可，然后应用更改，需要重启一下才能生效。
（网上很多教程是怎么手动安装的，要关闭图形界面，对linux系统不熟悉的不要轻易尝试，我就为这个重装了系统）

在这里插入图片描述

2.2 下载CUDA Toolkit

首先要确定自己的驱动版本和cuda版本，驱动版本刚才在软件和更新里面已经知道了，cuda版本在安装pytorch的时候也知道了，之后去nvidia官网查看对应的CUDA Toolkit ，CUDA Toolkit 要与cuda的版本对应，例如我的cuda版本是11.8，那么CUDA Toolkit的版本也是11.8。

选择自己对应的版本：

在这里插入图片描述
选择自己的系统，选则runfile(local)：

运行下面他给出的指令就行了，需要注意你下载的位置，自己要找的到。
如果遇到什么段错误，核心以已转存的报错，可以尝试在你下载的命令基础上加-c。
例如：

wget -c https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1_530.30.02_linux.run

2.3 安装CUDA Toolkit

之后在你下载的文件夹下打开终端，运行他给出的第二行命令，需要等待一会儿。

进入以下界面，输入accept
在这里插入图片描述

注意驱动不要选，我们已经安装了驱动了，其他的全选上，按enter是选择
在这里插入图片描述

之后等待一段时间，可能会安装失败，不知道什么原因，可以多尝试几次。

2.4 修改环境变量

在终端输入

sudogedit ~/.bashrc

在文件末尾添加
将cuda-11.8修改成自己的cuda版本

 export PATH=/usr/local/cuda-11.8/bin:/usr/local/cuda-11.8/NsightCompute-2019.1${PATH:+:${PATH}}
 export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64\
                         ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

使刚才的配置生效

source ~/.bashrc

输入

nvcc -V

会输出当前的版本信息，即为安装成功

3、安装MMDetection

安装完上面所有的环境时，终于可以开始安装MMDetection了，可以参考官网的安装步骤

3.1 安装依赖：

pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.0"

如果之前你没安装过cython，还需要安装cython

pip install cython

如果你开发并直接运行 mmdet，从源码安装它：

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .

在install的时候可能会报错：ERROR: pip‘s dependency resolver does not currently take into account all the packages that are inst

可以试试网上说的，一个一个包去安装，但是我尝试失败了。

我的选择是将报错的那些包全部pip uninstall卸载了，再将整个克隆下来的文件夹删除，重新克隆一遍，再重新安装依赖。

也可能会报错：Could not build wheels for pycocotools, which is required to install pyproject.toml-based

执行以下命令手动安装：

sudo apt-get install gcc

git clone https://github.com/cocodataset/cocoapi.git

cd cocoapi/PythonAPI
make 
python setup.py build_ext install

可能会出现一些报错，根据具体情况谷歌或百度。在重新编译的时候记得将除pycocotlools文件夹外的其他文件夹删除。

安装成功后输入pip list会看到一个pycocotools的包和mmdet的包。

3.2 验证安装

我们需要下载配置文件和模型权重文件。

mim download mmdet --config rtmdet_tiny_8xb32-300e_coco --dest .

（可能会报错，但具体的报错还请百度。）

下载将需要几秒钟或更长时间，这取决于你的网络环境。完成后，你会在当前文件夹中发现两个文件 rtmdet_tiny_8xb32-300e_coco.py 和 rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth。

python demo/image_demo.py demo/demo.jpg rtmdet_tiny_8xb32-300e_coco.py --weights rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth --device cpu

你会在当前文件夹中的 outputs/vis 文件夹中看到一个新的图像 demo.jpg，图像中包含有网络预测的检测框。