mmdetection文档一（由原英文文档翻译）

Mmdetection 中文文档（由原英文文档翻译）
一、安装
（一）所需条件
1.Linux操作系统（官方不支持Windows操作系统，如果要在Windows上使用，见我博客中的另一篇文章）
2.Python 3.5+
3.PyTorch1.1或者更高版本
4.CUDA9.0或者更高版本
5.NCCL2
6.GCC4.9或更高版本
7.mmcv
8.安装Anaconda 3（原文中没有此条，但确实需要）
我们已经在以下版本的操作系统或者软件中进行了测试：
OS: Ubuntu 16.04/18.04 and CentOS 7.2
CUDA: 9.0/9.2/10.0/10.1
NCCL: 2.1.15/2.2.13/2.3.7/2.4.2
GCC(G++): 4.9/5.3/5.4/7.3
（二）安装mmdetection（linux环境下，windows环境见我另外一篇博客）
1.创建conda虚拟环境并激活
conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab
2.根据官方说明安装PyTorch和torchvision,如：
conda install pytorch torchvision -c pytorch
3.克隆mmdetecion库（国内用户推荐在码云镜像中下载，不是打广告，确实速度快）
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
4.安装mmdetection（其他依赖将会自动安装）
pip install mmcv
python setup.py develop # or “pip install -v -e .”
注意：
1.在上面的第4步时，使用git提交的id将被写入版本号。比如0.6.0+2e7045c.版本也将被保存在训练模型中。这就建议你在每次运行第4步时，将从github中获取一些更新。如果c++/cuda源码被调整了，那么这一步是必须做的。
2.按照上面的说明，mmdetection被安装为开发模式，任何本地代码的修改都将生效，而不需要再重新安装它（除非你提交了一些命令想要更新版本号）。
3.如果你想要使用opencv-python-headless代替opencv-python，你可以在安装MMCV前安装它。
（三）另外一种方式：Docker镜像
我们推荐一个Dockerfile来建立镜像：

build an image with PyTorch 1.1, CUDA 10.0 and CUDNN 7.5

docker build -t mmdetection docker/
（四）准备数据集
建议将数据集根目录和$MMDETECTION/data建立链接。如果你的目录结构和下面所示的不同，你要在config文件中改变相应的路径。
mmdetection
├── mmdet
├── tools
├── configs
├── data
│ ├── coco
│ │ ├── annotations
│ │ ├── train2017
│ │ ├── val2017
│ │ ├── test2017
│ ├── cityscapes
│ │ ├── annotations
│ │ ├── train
│ │ ├── val
│ ├── VOCdevkit
│ │ ├── VOC2007
│ │ ├── VOC2012
cityscapes annotations必须使用cityscapesScripts 工具箱转变为coco格式。我们计划提供一个简单易用的转换脚本。暂时，我们建议maskrcnn-benchmark工具箱提供的说明。当使用这个脚本时，所有的图片需要被放在同一个目录下。在linux系统，下面的例子将训练图片移动到一个目录下：
cd data/cityscapes/
mv train// train/
（五）一个从头开始设置的脚本
下面是一个用conda设置mmdetection和连接dataset路径的全脚本。
conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab
conda install -c pytorch pytorch torchvision -y
conda install cython -y
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .
mkdir data
ln -s KaTeX parse error: Expected group after '_' at position 243: …me(osp.abspath(_̲_file__)), '../…PYTHONPATH