Anaconda + Pytorch + openmmlab 安装流程

已于 2024-05-29 17:37:36 修改
阅读量1.6k 收藏 54
点赞数 35
分类专栏： DL 文章标签： pytorch 人工智能 python
于 2024-05-29 16:06:34 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Li_operation/article/details/139294395
版权

今天在使用代码的过程中，感觉环境有点小瑕疵，正好最近也没什么事情，就准备把环境铲掉重新装一遍完美的过程，也借此机会也一份笔记，给大家参考！

首先我是win11的系统，2060的显卡，准备装GPU版本的Pytorch和openmmlab。

Pytorch2.3.0
Python3.9
CUDA11.5

1 Anaconda

1.1 下载安装

下载网址：Download Now | Anaconda

  1. 运行安装程序 双击下载的 .exe 文件，启动安装程序。

  2. 欢迎界面 在欢迎界面，点击 “Next” 按钮继续。

  3. 许可协议 阅读许可协议并选择 “I Agree” 接受许可协议，继续点击 “Next”。

  4. 选择安装类型 选择 “Just Me (recommended)” 或 “All Users (requires admin privileges)”，然后点击 “Next”。

  5. 选择安装位置 选择安装位置或使用默认路径，然后点击 “Next”。

  6. 选择安装选项 勾选 “Add Anaconda to my PATH environment variable” 和 “Register Anaconda as my default Python 3.x”，然后点击 “Install”。

  7. 等待安装完成 等待安装程序完成安装过程，这可能需要几分钟时间。

  8. 完成安装 安装完成后，点击 “Next”，然后点击 “Finish” 退出安装程序

1.2 验证安装

  1. 打开终端（或 Anaconda Prompt） 在 Windows 上，可以打开 Anaconda Prompt。在 macOS 和 Linux 上，打开终端。

  2. 验证安装 在终端中输入以下命令：conda --version

    你应该会看到 Anaconda 的版本号，这表示安装成功。

我在安装过程中遇到的问题：

1、Navigator 提示环境错误

解决方法：更新Navigator，点击ok后自动弹出更新框，或者自己点右上角Upgrade。再次打开后一切显示正常。

2、系统命令符找不到conda命令

解决方法：添加系统环境变量，首先确认你安装的anaconda绝对路径。然后打开编辑系统环境变量。点击环境变量 >> 系统环境变量  >> Path >> 新建三个路径：

C:\Users\<YourUsername>\Anaconda3
C:\Users\<YourUsername>\Anaconda3\Scripts
C:\Users\<YourUsername>\Anaconda3\Library\bin
 

然后再次验证：

1.3 创建虚拟环境

因为我需要使用anaconda安装多个版本的pytorch以及python版本，所以不想占用本地环境，以免崩溃所以需要创建虚拟环境。

首先Anaconda 创建的虚拟环境默认存储在其安装目录下的 envs 文件夹中。具体路径因操作系统和安装位置而异。

看下我的路径：

然后我直接创建虚拟环境：采用python版本为3.9。

conda create --name pytorch_openmmlab python=3.9

这里看到它安装的路径是在C盘，我想要换到anaconda的目录下，所以取消了，重新设置一下。

找到这个文件：C:\Users\<YourUsername>\.condarc

如果没有可以自己创建。

添加以下内容并保存：

envs_dirs:
  - /path/to/your/custom/envs

然后重新创建虚拟环境。

然后你会发现又失败了！哈O(∩_∩)O哈哈~

经过一番探查，是因为指定目录的文件对于用户来说权限不足，要给更多的权限，所以找到你指定的文件，右击属性--》安全--》选择电脑用户User --》把下面几个权限都打上对钩，特殊权限不需要，然后再创建虚拟环境即可完成。

进入环境正常

然后需要开始安装Pytorch

2 Pytorch

官方网站：Start Locally | PyTorch

手下进入到我们自己的虚拟环境。因为我要安装的是一个GPU版本的，所以需要提前配置好了CUDA，执行：nvcc --version 查看自己的cuda版本。

CUDA的配置大家可以再Pytorch界面一直下拉看到后面的 BUILDING FROM SOURCE有介绍

可以去操作一下。

下面继续我的安装：

我们可以看到Pytorch官方给的对应的版本，是11.8，不过你可以修改后面的URL看有没有你对应的版本，我的运气还不错有11.5的版本。https://download.pytorch.org/whl/cu115

然后在虚拟环境中执行他给的命令。文件有几个G,有点慢，摸会鱼吧（可能有其他下载源，我没尝试，主要是时间不急hhh）。

安装完成后 pip list

或者 conda list

然后执行验证：

可以看到安装成功。后面的内容可能大家不一定能用到，是我自己需要使用的框架。

3 openmmlab

3.1 MMengine

安装流程地址：GitHub - open-mmlab/mmengine: OpenMMLab Foundational Library for Training Deep Learning Models

3.1.1 Installation

pip install -U openmim

mim install mmengine

验证一下：

然后基础的引擎已经安装好了，后续需要什么模块在单独安装。

3.2 MMSegmentation

最全面的语义分割开源工具箱

  • 支持多样的语义分割网络方法
  • 模块化设计
  • 以更短的训练时间获得更高的模型性能
  • 为语义分割提供统一的训练/推理流程
3.2.1 Installation

我选择了从源码安装的方式。

首先安装依赖：

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

mmcv的版本可能要调整，如果出现报错要重新安装指定版本。

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

另外github上还有简易安装方式和自定义安装方式：mmsegmentation/docs/en/get_started.md at main · open-mmlab/mmsegmentation · GitHub

验证安装

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

下载将需要几秒钟或更长时间，具体取决于您的网络环境。完成后，您将 pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth 在当前文件夹中找到两个文件 pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py 。

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

执行完成后会在当前目录下生成一个图片。

3.2.2 准备数据集

mmsegmentation/docs/en/user_guides/2_dataset_prepare.md at main · open-mmlab/mmsegmentation · GitHub

在这个网站下有多个可供训练的数据集，随便选择一个使用，我是根据B站一个UP的操作选择了小数据集：CHASE DB1

下载完成后，需要把数据转换为mmsegentation格式，官方提供了转换方法，在你的mmsegentation安装目录下有一个tools/dataset_converters/chase_db1.py 文件，执行下面命令该脚本将自动创建目录结构。文件下将出现转换好的数据集。

python tools/dataset_converters/chase_db1.py {zip.path}

# {zip.path}是你的数据集文件绝对路径

官方提供 tools/train.py 在单个 GPU 上启动训练作业的功能。基本用法如下。

python tools/train.py  ${CONFIG_FILE} [optional arguments]

${CONFIG_FILE} ：是你的数据集对应的训练脚本，需要你去config/下找一下不同网络结构对应的脚本。比如：

python D:\USER\openmmlab\mmsegmentation\tools\train.py D:\USER\openmmlab\mmsegmentation\configs\unet\unet-s5-d16_deeplabv3_4xb4-ce-1.0-dice-3.0-40k_chase-db1-128x128.py 

[optional arguments] 这个可选择选项建议大家去官方文档里面学习：

Tutorial 4: Train and test with existing models — MMSegmentation 1.2.2 documentation

下面给出几个：

  • --work-dir ${WORK_DIR}: Override the working directory.
    --work-dir ${WORK_DIR} ：覆盖工作目录。

  • --amp: Use auto mixed precision training.
    --amp ：使用自动混合精度训练。

  • --resume: Resume from the latest checkpoint in the work_dir automatically.
    --resume ：自动从work_dir中的最新检查点恢复。

  • --cfg-options ${OVERRIDE_CONFIGS}: Override some settings in the used config, and the key-value pair in xxx=yyy format will be merged into the config file. For example, ‘–cfg-option model.encoder.in_channels=6’. Please see this guide for more details.
    --cfg-options ${OVERRIDE_CONFIGS} ：覆盖已用配置中的部分设置，xxx=yyy 格式的键值对会合并到配置文件中。例如，'–cfg-option model.encoder.in_channels=6'。

下面是开始训练的截图：

希望各位大佬以后多多交流openmmlab相关问题！加油！

Li_operation
关注
  • 35
    点赞
  • 踩
  • 54
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
mmdetection：OpenMMLab检测工具箱和基准
02-07
新闻：我们在上发布了技术报告。 文档： : 介绍 MMDetection是基于PyTorch的开源对象检测工具箱。 这是香港开发的OpenMMLab项目的一部分。 master分支与PyTorch 1.3到1.6一起使用。 旧的v1.x分支可与PyTorch 1.1至1.4一起使用，但强烈建议您使用v2.0，以实现更快的速度，更高的性能，更好的设计和更友好的用法。 主要特点 模块化设计 我们将检测框架分解为不同的组件，并且可以通过组合不同的模块轻松构建定制的对象检测框架。 开箱即用的多种框架支持 该工具箱直接支持流行和现代的检测框架，例如Faster RCNN，Mask RCNN，RetinaNet等。 高效率 所有基本的bbox和mask操作都在GPU上运行。 训练速度比其他代码库（包括 ， 和 ）快或可比。 最先进的 该工具箱源自MMDet团队开发的代码库，该团队在201
Win10 安装Anaconda +Pytorch+ PyCharm
04-17
Windows10操作系统下 如何安装Anaconda +Pytorch+ PyCharm三个软件 并简单配置 个人建议 仅供参考
openmmlab 教程1-安装
wujing1_1的博客
09-01 3340
MIM:MIM 是 OpenMMlab 项目、算法、模型的统一入口: OpenMMLab 图像分类工具箱: OpenMMLab 目标检测工具箱: OpenMMLab 新一代通用 3D 目标检测平台MMRotate: OpenMMLab 旋转框检测工具箱与测试基准: OpenMMLab 语义分割工具箱MMOCR: OpenMMLab 全流程文字检测识别理解工具箱MMPose: OpenMMLab 姿态估计工具箱MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准。...
安装Open-MMlab 的 MMPose 和 MMCV
野生C猿的专栏
11-10 3357
安装MMPose 和 MMCV1. 基础环境1.1 conda环境1.2 pytorch 环境2. 安装MMCV2.1 MMCV 编译安装2.2 安装记录2.2.1：设置环境变量2.2.2 激活 anaconda的虚拟环境2.2.3 设置参数2.2.4 安装依赖2.2.5 开始编译2.2.5 查看安装3. 安装MMPose3.1 克隆 MMPose 库。3.2 安装依赖包和 MMPose 1. 基础环境 1.1 conda环境 anaconda的环境请自行准备，网上有一堆教程 conda create
基于win10系统使用Conda对于OpenMMLab组件的安装
weixin_38655947的博客
06-03 473
点击download下载，保持默认逐步安装。
liunx安装open-mmlab教程
weixin_45912366的博客
04-10 2599
01.根据需求选择安装，安装mmdetection过程 阅读README.MD和requirements.txt文件。 02.在README.MD中找到下边界面，点击红色框查看安装步骤。 03.虚拟环境 创建一个conda虚拟环境 conda create -n mmdetectionpython=3.8 04.进入创建的虚拟环境 conda activate mmdetection 05.查看服务器或者电脑安装的CUDA版本 因为需要安装对应的Pyroych版本才可.
Anaconda+CUDA及cuDNN+Pytorch安装的ppt
03-01
pytorch安装的ppt 1、Anaconda的介绍及安装过程 2、CUDA及cuDNN的介绍和安装 3、Pytorch的安装 4、如何在Pycharm中使用Pytorch 5、Pytorch分类案例
windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN
01-07
windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN 步骤零：安装anaconda、opencv、pytorch（这些不详细说明）。复制运行代码，如果没有报错，说明已经可以了。不过大概率不行，我的会报错提示...
Anaconda3-5.3.0 + PyTorch 0.4.1 自动化安装脚本
10-30
Anaconda3-5.3.0 + PyTorch 0.4.1 自动化安装脚本，可以自动配置Anaconda和 PyTorch环境 注：执行到安装Anaconda时需要在是否将变量写入系统环境变量选项中选择yes，否则需要自行配置环境变量，导致安装失败不能继续...
Anaconda＋vscode＋pytorch环境搭建过程详解
09-16
主要介绍了Anaconda＋vscode＋pytorch环境搭建过程详解，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
open-mmlab://resnet50_caffe
12-12
mmlab自带的resnet50源文件，resnet50_caffe-788b5fa3.pth，resnet50_caffe-788b5fa3.pth
OpenMMLab MMDetectionV3.1.0-SAM（环境安装、模型测试、训练以及模型后处理工具）
qq_41627642的博客
08-02 2562
（1）detector_sam_demo.py：用于对单个图像和图像文件夹进行检测和实例分割。（2）coco_style_eval.py：用于对给定的 COCO JSON 进行推理、评估和导出。（3）browse_coco_json.py：用于可视化导出的 COCO JSON。（4）images2coco.py：用于基于用户自己的图像文件夹的自定义和未注释的 COCO 风格 JSON。此 JSON 可以用作coco_style_eval.py.
深度学习计算机视觉开源系统OpenMMLab（mmsegmentation、mmdetection、mmpose）环境配置【详细、可运行】
最新发布
Lyric的博客
04-22 1218
链接:OpenMMLabOpenMMLab基于PyTorch开发了MMEngine提供通用训练和评估引擎，MMCV提供神经网络算子和数据转换，作为整个项目的基础。自2018年10月首次发布以来，OpenMMLab已发布30多个视觉库，实现了300多个算法，并包含2000多个预训练模型。
【Openmmlab】Windows下 openmmlab环境配置（不踩坑）
m0_51579041的博客
02-29 171
【Openmmlab】Windows下 openmmlab环境配置（不踩坑）
搭建openmmlab环境问题
门前大橋下丶
10-19 337
搭建openmmlab环境
开年福利！OpenMMLab 全新企划，等你来
我爱计算机视觉
02-19 272
本文为开源组织 OpenMMLab 小编投稿~Hello 大家好，我是 OpenMMLab 的 PM 小编。2021 即将全面铺开，向我们走来呐。小编在此谨代表 OpenMMLab 全体成...
深度学习目标检测工具箱mmdetection，训练自己的数据
热门推荐
hajlyx的博客
10-30 5万+
深度学习目标检测工具箱mmdetection，训练自己的数据 商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN等主流的目标检测框架，后续会加入Cascade-RCNN以及其他一系列目标检测框架。 相比于Facebook开源的Detec...
【mmdetection小目标检测教程】一、openmmlab基础环境搭建（含mmcv、mmengine、mmdet的安装）
weixin_45921929的博客
02-03 3121
【mmdetection小目标检测教程】一、openmmlab基础环境搭建（含mmcv、mmengine、mmdet的安装）
Anaconda+Pytorch
10-08
Anaconda是一个用于科学计算的Python发行版，它包含了很多常用的科学计算库和工具。而PyTorch是一个用于构建深度学习模型的开源机器学习框架。 在使用Anaconda安装PyTorch时，可以使用conda命令来创建一个新的虚拟环境，并在该环境中安装PyTorch。以下是安装PyTorch的步骤： 1. 首先，在Anaconda官网下载并安装Anaconda发行版。 2. 打开Anaconda Prompt（Windows）或Terminal（Linux/macOS）。 3. 创建一个新的虚拟环境，可以使用以下命令： ``` conda create -n myenv python=3.8 ``` 这将创建一个名为myenv的虚拟环境，并指定Python版本为3.8。您可以根据需要更改环境名称和Python版本。 4. 激活虚拟环境，运行以下命令： ``` conda activate myenv ``` 5. 安装PyTorch，可以使用以下命令： ``` conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch ``` 这将安装PyTorch及其相关的库和依赖，还会安装与CUDA 10.2兼容的GPU版本。 6. 安装完成后，您可以在Python脚本中导入PyTorch，并开始使用它构建深度学习模型。

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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