如何在服务器上安装MMDetection

一、MMDetection是什么？

MMDetection 是一个基于 PyTorch 的开源对象检测工具箱，它是快速搭建目标检测框架，并实现目标检测任务的利器。MMDetection通过模块化设计，将检测框架分解为不同的组件，使用者可以灵活的组合不同的组件，轻松构建需要的目标检测框架。

二、如何安装?

1.安装Anaconda：

(1)首先验证服务器中是否已经安装Anaconda:
在命令行键入：conda
若出现：

则表示服务器中已经安装过Anaconda,可直接跳过后续安装Anaconda的步骤,通过conda安装个人的环境;如果没有安装Anaconda,则需要按照（(2)-(5)）中的步骤，安装Anaconda。
(2)进入Anaconda官网（进不去就使用VPN），选择合适的linux版本的anaconda，图示如下：


(3)在服务器的终端上执行安装命令：

# wget +复制的链接地址：
wget https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-x86_64.sh  
# sh + 上面链接中对应的文件名：
sh Anaconda3-2022.10-Linux-x86_64.sh         

若使用这种方式无法下载成功，也可以将(1)中的anaconda直接下载到本地，然后上传到服务器进行安装，这里不过多赘述。
(4)默认安装路径或更改地址：(按提示完成即可)
(5)验证是否安装成功：具体如步骤(1)
若报错，则需要配置环境变量：
a).通过vim进入配置文件: vim /etc/profile
若无法识别vim，可能是未安装vim编辑器，可自行百度安装：
b).在上一步打开的配置文件的末尾，键入： export PATH=/home/hongmoumou/anaconda3/bin:$PATH,其中/home/hongmoumou/anaconda3为第(3)步中设置的安装路径；
c).Esc键退出编辑模式，键入:wq(冒号wq)保存并退出；
d).键入source /etc/profile 使环境变量生效。
至此，Anaconda在Linux上的安装步骤已经介绍完毕，若安装过程中有不懂的地方，可留言！

2.安装个人环境：

(1)创建环境：

conda create -n 环境名 python=3.7 -y

解释：
利用conda创建一个属于自己的环境，我们以后安装的任何东西，都会放在这个环境中，环境的名字自己取，环境使用python=3.7，这里的python版本与Anaconda对应的的版本可以不一致，但注意，在新建的个人环境下，安装的任何包，都必须是对应python=3.7，不要在这里给自己埋坑。此处如果不指定python版本，可能会给你安装最新版本的python。

(2)进入环境：

conda activate 环境名

举例：
我在(1)中创建了一个名为recur的个人环境，这里演示进入环境成功：

3.安装pytorch：

注意：pytorch版本与服务器版本，代码版本要一致，否则会报错！！！
(1)查看服务器cuda版本：

cat /usr/local/cuda/version.txt

(2)选择适配的pytorch版本：pytorch官方网址
(3)安装pytorch：

conda install pytorch torchvision cudatoolkit -c pytorch

示例如下：

(4)查看pytorch是否安装成功：

方法一：conda list（查看是否有pytorch这个包）
方法二：python
	  import torch
	  torch.cuda.is_available()  #结果为True

4.安装mmcv：

注意：
(1)mmcv与mmcv-full是不同的版本,在同一环境下,只能安装一个,建议安装mmcv-full,简化版的mmcv不支持全部功能，导致在部分最新算法的实现过程中报错；
(2)安装mmcv-full方法：

法一（强烈推荐）：在编译文件中下载合适的mmcv-full版本到本地，上传到服务器后，通过命令安装：pip install 文件名

上面示例中,为解决下载文件过慢问题，在命令后添加豆瓣源：

-i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

法二（不推荐）：通过github安装mmcv-full或者通过豆瓣源下载mmcv-full安装包：

git clone https://github.com/open-mmlab/mmcv.git               #下载mmcv-full代码（代码中mmcv指的就是mmcv-full）
cd mmcv                                                        #进入mmcv-full目录
python setup.py build_ext --inplace
python setup.py build_ext install							   #自己编译mmcv-full文件

两种方法比较：
方法一比较简单,不容易出错,适合初学者，如果想在windows上安装mmdetection,也能通过这种方式安装,windows适配mmcv-full==1.1.5版本；
方法二需要手动编译mmcv-full文件,对于新手来说不友好，编译过程中可能需要安装比较大的VS14.0 C++，还需要配置VS14.0 C++环境，比较麻烦。

5.安装mmdet：

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .  #编译

如果编译过程中需要下载一些依赖包,可以ctrl+c打断,在命令pip install -v -e . 后面添加豆瓣源,然后继续运行。

三.其他常见命令

【与创建环境相关的命令】

查看conda版本：conda --version
查看环境已安装的包：conda list
更新所有包：conda update --all
安装缺少的包：pip install 包名
查看已有环境：conda env list
退出环境：conda deactivate
删除环境：conda remove -n 环境名 --all

【服务器上跑代码】

ssh gpunode29   #连接服务器29号节点
nvidia-smi      #查看gpu上进程运行情况，可以看所有正在跑的程序的进程号
指定gpu训练：CUDA_VISIBLE_DEVICES=0  python train.py
挂后台训练：nohup python train.py & （避免实验室断电断网）
指定gpu+挂后台：CUDA_VISIBLE_DEVICES=0 nohup python train.py &
查看进程详细信息：ps -ef|grep 进程号
查看命令中包含某个关键字的所有进程：ps -ef|grep python(关键字)
杀死进程：kill -9 进程号