前言
(linux)mmdetection环境配置gpu+anaconda+pycharm+RTX2080ti 笔记,包括如何在anconda创建虚拟环境和用pycham为项目配置mmdetection虚拟环境。
部分参考:依赖 — MMDetection 2.28.2 文档\ Mask rcnn代码实现_pytorch版_适用30系列显卡\【mmdetection】 运行Mask-Rcnn代码(Win11 pytorch版)\
Mask RCNN链接 mirrors / open-mmlab / mmdetection · GitCode 或https://github.com/open-mmlab/mmdetection/tree/v2.28.2
pycharm汉化Pycharm汉化简单图文教程
anconda虚拟环境创建
在mmdetection文件夹打开终端,创建:conda create -n maskrcnn python=3.8 (maskrcnn为虚拟环境名称,可以自己替换
激活:conda activate maskrcnn
nvidia-smi确认自己的CUDA Version
不要直接用pip install -r requestment.txt文件安装,linux系统不会看你目前环境是否有包已安装,并直接默认安装cuda=11.7的最高版本pytorch.
安装pytorch:
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch
。在PyTorch或Previous PyTorch Versions | PyTorch找指令,注意cudatoolkit=<CUDA Version即可
单独安装对应版本的opencv,在Links for opencv-python 下载,然后pip install opencv_python-4.5.4.58-cp38-cp38-manylinux2014_x86_64.whl
pip install -U openmim
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.12.0/mmcv_full-1.6.2-cp38-cp38-manylinux1_x86_64.whl,注意当虚拟环境的python=3.X,安装包要后缀为-cp3X-cp3X-manylinux2014_x86_64.whl 。https://download.openmmlab.com/mmcv/dist/cu**/torch##,**,##
进入文件,配置环境(注意以下命令都在mmdetection虚拟环境下进行)
cd mmdetection2
pip install -r requirements/build.txt
pip install -v -e
python setup.py develop(每次对算法文件更改后最好都要再执行这个命令)
安装额外的依赖以使用 Instaboost, 全景分割, 或者 LVIS 数据集
# 安装 instaboost 依赖
pip install instaboostfast
# 安装全景分割依赖
pip install git+https://github.com/cocodataset/panopticapi.git
# 安装 LVIS 数据集依赖
pip install git+https://github.com/lvis-dataset/lvis-api.git
# 安装 albumentations 依赖
pip install -r requirements/albu.txt
https://mmdetection.readthedocs.io/zh_CN/latest/model_zoo.html
https://blog.csdn.net/qq_43124451/article/details/127358415
用pycham为项目配置mmdetection虚拟环境
用pycham打开mmdetection项目
pycham为项目配置虚拟环境(图为其他算法的图,步骤相同)
取消自动创建,配置我们刚刚创建的环境
点击设置
选择刚刚配置的maskrcnn虚拟环境的python3.8文件,一般在(anaconda安装路径) /anaconda/envs/maskrcnn/bin内
最后一路点确定
pycharm打开终端,如果你成功选择了相应的虚拟环境,()内就会显示你的虚拟环境名称
项目环境配置完成
训练见后续