从零开始搭建并运行mmsegmentation

安装：

Step 1:创建Conda 环境并激活之

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

Step 2：CUDA版本选择，及安装Pytorch

关于设备GPU的cuda版本，根据如下的选择原则：

• 对于Ampere架构的NVIDIA的GPU，例如GeForce 30系列核NVIDIA A100，必须安装CUDA11。
• 对于旧版的NVIDIA GPUS，CUDA 11 是向下兼容的，但是 CUDA10.2会更轻量化并且表现更好的性能

确定好cuda版本后，进入Torch官网选择对应版本的Pytorch进行安装

Step 3：安装MMCV using MIM.

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

Step 4：安装 MMSegmentation.

git clone -b main https://github.com/open-mmlab/mmsegmentation.git
cd mmsegmentation
pip install -v -e .
# '-v' means verbose, or more output
# '-e' means installing a project in editable mode,
# thus any local modifications made to the code will take effect without reinstallation.

验证：

Step 1. We need to download config and checkpoint files.下载config和checkpoint 文件

mim download mmsegmentation --config pspnet_r50-d8_4xb2-40k_cityscapes-512x1024 --dest .

Step 2. Verify the inference demo.验证推理demo

Option (a). If you install mmsegmentation from source, just run the following command.

方式（a）如果你从源码安装mmsegmentation，只需要运行下面的命令

python demo/image_demo.py demo/demo.png configs/pspnet/pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth --device cuda:0 --out-file result.jpg

You will see a new image result.jpg on your current folder, where segmentation masks are covered on all objects.

你如果看到了一个新图片result.jpg在你当前文件夹，说明安装成功了。（运行时，可能会有一些warning，但不影响结果的生成）