矩池云配置MMDetection环境+训练自己的数据集

自用，方便查找。

参考：采用矩池云配置MMDetection环境_一只大憨憨的博客-CSDN博客_矩池云配置环境

环境

镜像:
Pytorch 1.5.0
镜像描述:
预装：Python3.8, CUDA 10.1, cuDNN 7.6, Pytorch 1.5.0, Ubuntu 18.04

步骤

安装环境：

1. 安装torch

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorch -y

2.安装mmcv-full

pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.6.0/index.html

这里mmcv-full==版本号，从github的readme.md中查找，这里用的是master版本，所以选择了1.4.0

 3.安装mmdetection

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements/build.txt
pip install -v -e .  # or "python setup.py develop"

在这部分会遇到一个坑，由于水平有限，折腾了好几天，重装了各种环境，最后发现是软连接的问题，是os.symlink()的问题，由于无法执行所以“Function not implemented”。

 解决方法：

将mmdetection/setup.py 149行'symlink'改为'copy'，顺利跑通。 (此方法治标不治本，放在这不删了，留个经验）

 

正确解决办法：通过联系矩池云客服，说把mmdetection安装在/root目录下，即可解决安装的时候的软连接问题，但是需要每次都存一下环境，不过没办法。

训练自己的数据集：

参考博客：mmdetectionV2.x版本 训练自己的VOC数据集_桃子酱momo的博客-CSDN博客_mmdetection训练自己的voc数据集

测试自己的数据集

python tools/test.py configs/xxxx.py work_dirs/xxxx/epoch_xx.pth --out xxx.pkl --eval mAP

测速度

python -m torch.distributed.launch --nproc_per_node=1 --master_port=29500 tools/analysis_tools/benchmark.py $cofig $checkpoint --launcher pytorch

tensorboard

在vscode终端输入

tensorboard --logdir=work_dirs/faster_rcnn/tf_logs

然后在跳出来的选项卡选择打开浏览器即可