Linux系统 mmsegmentation环境配置

还会长的桔子

已于 2024-09-28 14:35:53 修改

阅读量1.1k

点赞数 18

文章标签： linux 服务器计算机视觉 python

于 2024-09-27 18:58:29 首次发布

本文链接：https://blog.csdn.net/gui_lin_ger_/article/details/142599479

版权

由于mmseg做过较大的版本改动，直接按照官网的教程可能出现版本不适配的问题~

这篇就是记录我自己在官网教程的基础上，改变每一步的具体版本，以防出现版本不适配的问题。

mmseg官方教程：开始：安装和运行 MMSeg — MMSegmentation 1.2.2 文档

首先要明确，CUDA版本、pytorch版本和numpy版本不同都有可能与mmcv版本不适配，导致环境配置出现冲突，所以都需要注意。

我的版本信息：CUDA11.3、pytorch1.12.0、python3.9、numpy1.23

我租用的服务器信息：

即使你目前的版本和我的不同，也可以参考我的步骤。在每个步骤中我会先给出需要用到的命令，再给出需要注意的地方，在每一步的最后都会把用到的参考网站附上~

step1：创建虚拟环境

conda create --name openmmlab python=3.9 -y
conda activate openmmlab

step2：安装pytorch

conda install pytorch&#

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

还会长的桔子

关注关注

18
点赞
踩
31

收藏

觉得还不错? 一键收藏
3
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

mmseg 环境配置

菜鸟变大鸟的博客

12-11

654

【代码】mmseg 环境配置。

MMSegmentation学习记录(一)---配置环境，克隆项目

weixin_47251159的博客

08-01

467

本人使用Linux实验室服务器(Python 3.8, CUDA 11.1 Pytroch 1.8.1,本人亲测这个环境配置在很多较旧项目中都适用)，官方文档要求Python 3.7+, CUDA 10.2+ 和Pytorch 1.8+ (具体环境配置网上资源已经很多了)MMSegmentation 是一个基于 PyTorch 的语义分割开源工具箱。使用MIM安装MMCV，MIM-安装OpenMMLab软件包，MMCV-计算机视觉研究的基础库。若没报错，恭喜你，环境配置成功！2.4 验证是否安装成功。

3 条评论您还未登录，请先登录后发表或查看评论

【MMSegmentation 环境配置】

ruotianxia的博客

06-22

747

出现AssertionError: MMCV==2.2.0 is used but incompatible. Please install mmcv>=2.0.0rc4.如果报numpy版本高，需要对numpy降版本。

安装和运行 MMSeg

最新发布

2201_76008413的博客

02-22

466

MMSegmentation 可以在 Linux, Windows 和 macOS 系统上运行，并且需要安装 Python 3.7+, CUDA 10.2+ 和 PyTorch 1.8+创建一个 conda 环境，并激活安装 PyTorchnvidia-smi最高支持11.4来到下载历史版本，此步骤较久。其中cudatoolkit代表cuda版本，各个虚拟环境中cudatoolkit独立，若没有cudatoolkit，则会自动使用电脑中下载于本虚拟环境外的cuda版本。

linux重装mmsegmentation

DZY的博客

05-03

1096

换了个电脑，就想着把之前的mmsegmentation-V0.26.0代码放到新环境，结果踩了不少坑~

【MMSegmentation 环境配置 + 制作自己的数据集 + 训练 + 预测】

ruotianxia的博客

12-27

2036

访问torch网站，选择适合自己的pytorch版本，由于我这里使用的cuda是11.6，所以我安装以下版本，版本不对应，后面会有各种报错。我这里使用的是x-anylabeling软件，因为里面可以使用最新的SAM2.1，标注比较方便。搜索自己的安装位置，会有很多的 libiomp5md.dll，删除一些就可以。然后出现一下结果就可以了，这个报错是一个输入的问题，先不用管。如果报numpy版本高，需要对numpy降版本。这里主要是模型的一些参数，根据实际需要修改！这里需要制作的数据格式为VOC的格式。

[mmsegmentation] mmsegmentation的linux安装记录

weixin_41529093的博客

12-20

2273

仅作为记录，大佬请跳过。文章目录参考参考感谢大佬博主文章：传送门因为mmcv-full出现了版本不匹配： conda create -n mmseg python=3.7 conda activate mmseg #下面这条安装指令和官网不同，官网是还限定了pytorch的版本，我之前也是这么装， #但是后面有问题，就用经验方法，即如下命令行 conda install pytorch torchvision cudatoolkit=10.1 -c pytorch pip

swin-T for segmentation: 基于Linux系统的云服务器上的环境配置

qq_34018578的博客

06-21

432

1、创建虚拟环境（租用服务器的就不用创建啦） conda create -n newpython=3.7 conda activate open-mmlab 2、安装pytorch pip install -U torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html 3、安装mmcv-full pip install mmcv-full==1.3.0+torch1.6.

深度学习GPU的环境太乱？从头配置环境：理解+实操

weixin_44067447的博客

02-01

1503

从CUDA到torch，再到mmsegmentation, mmdetection。理解+实操配置深度学习环境

mmsegmentaion环境配置cuda11.0+pytorch1.7.1

weixin_49496731的博客

09-04

1158

超简单mmdetection3d 环境配置（ubantu18.04）

m0_57175342的博客

08-13

1046

mmdetection3d 环境搭建

mmsegmentation 环境安装

Karl_Wayne的博客

05-21

1074

mmsegmentation的安装教程

在linux环境下安装mmseg(coreseek)

经验之谈，不做搬运工

09-20

352

为什么要写这篇文章？答：通过常规的三大步（./configure,make,make install）的编译安装mmseg时，总是出现找不到src/Makefile.in文件的错误（config.status: error: cannot find input file: src/Makefile.in）。即便是依照官方教程所说的先安装好依赖软件（yum -y ins...

Linux配置mmsegmentation踩坑记录

weixin_61668007的博客

12-18

1485

Linux配置mmsegmentation，包含mmcv配置

mmseg linux 安装指南

qq_32172681的博客

02-11

940

https://blog.csdn.net/tobeandnottobe/article/details/5963843

mmseg 安装

椰子奶糖的博客

06-10

1755

mmseg安装

mmsegmentation安装教程，简单易懂，必能成功

qq_36603965的博客

02-27

8621

mmsegmentation的安装详细教程

mmsegmentation环境安装 cuda12.3

02-07

### 关于在 CUDA 12.3 环境下安装 mmsegmentation 的指南为了确保能够在 CUDA 12.3 下成功安装并配置 mmsegmentation，需遵循一系列特定的操作流程。这不仅涉及到了解如何设置 Python 和 PyTorch 版本兼容性的问题，还涉及到具体组件的安装。 #### 设置环境准备考虑到不同版本间的依赖关系，在开始之前确认已正确设置了 CUDA 12.3 及其对应的 cuDNN 库[^2]。对于 Windows 用户来说，还需要提前准备好 Microsoft Visual Studio (VS)，因为编译过程中可能需要用到 C++ 编译器支持。 #### 安装 Python 和 PyTorch 建议使用 Anaconda 或 Miniconda 来管理虚拟环境以及包依赖项。创建一个新的 conda 虚拟环境中，并激活该环境： ```bash conda create -n openmmlab python=3.9 -y conda activate openmmlab ``` 接着安装与 CUDA 12.3 兼容的 PyTorch 版本。可以访问 [PyTorch官网](https://pytorch.org/get-started/locally/) 获取最新的安装指令。通常情况下，命令类似于下面这样（请注意根据实际需求调整参数）: ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu123 ``` #### 安装 OpenMMLab 组件完成上述准备工作之后，就可以按照官方文档中的指导来安装必要的 OpenMMLab 工具链了。首先是更新 `openmim` 并安装基础库 `mmengine` 和 `mmcv`： ```bash pip install -U openmim mim install mmengine mim install "mmcv>=2.0.0" ``` 最后一步就是安装目标工具——`mmsegmentation` 自身： ```bash mim install mmseg ``` 通过以上步骤，理论上可以在 CUDA 12.3 上顺利完成 mmsegmentation 的部署工作。不过需要注意的是，由于软件不断迭代更新，某些细节可能会有所变化；因此遇到问题时查阅最新版次的手册总是明智的选择。