win10下mmsegmentation导出onnx模型

win10下mmsegmentation导出onnx模型

其实我的任务本来很简单，就是需要对一个已知的pth分割模型导出为onnx，但是又因为这个网上提供的模型是mm平台下训练的，是要给乙方验证部署用的，所以还是得用mmseg下的方法导出onnx因为怕通用方式导出有错误，就开始接触这个mmsegmentation，结果就是一系列问题，说实话这个平台初衷是好的但是平台环境真的让我觉得就一句话：没见过更差的。

主要体现在：
1.在我的双系统的ubuntu下想要用的时候发现我的ubuntu是22.04，只接受cuda12.x的版本或11.x的高版本，而mm好像只支持12以下，不想重装系统。。。
2.torch版本2.0以上好像支撑得不好
3.python版本与pytorch版本等不匹配
4.cuda版本与pytorch版本
5.mmcv与cuda和pytorch版本
6.mmseg与mmcv不匹配
7.本来想放弃mmseg直接用mmdeploy导出，因为有博主说mmdeploy导出坑更少，结果发现mmdeploy需要vs2019编译，而我今天因为要装mmcv刚卸载完vs2022装了2017因为有个报错是说需要vs2015-vs2019之间的版本才能编译，然后我选择了vs2017。。。

反正就是在各种版本之间反复横跳，最后的最后我还是没有沾mmdeploy直接用的mmseg导出Onnx，整个过程就是异常艰难差点放弃。

统一说下我整个过程需要的各种版本的东西吧：
1.vs2017
2.python3.7
3.pytorch1.8.0 torchvision0.9.0
4.cuda101
5.mmsegmentation0.30.0
大概过程就是：

conda create -n mm python=3.7
conda activate mm

#https://download.pytorch.org/whl/torch_stable.html
#找到torch-1.8.0+cu101-cp37-cp37m-win_amd64.whl下载
pip install torch-1.8.0+cu101-cp37-cp37m-win_amd64.whl
pip install torchvision==0.9.0

#pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.8.0/index.html
#会持续20-40分钟不等，因为要vs编译，不要急（之前说的要求vs2015-2019问题就在这里，我用的vs2017）

#以下找到tag为0.30.0的版本手动下载
https://github.com/open-mmlab/mmsegmentation
#进入到mmsegmentation目录下
pip install -v -e .

#安装openmim，跟pip一样的东西
pip install -U openmim

#下载想要的模型权重，具体可以去configs下找具体的名字改上去就好
mim download mmsegmentation --config fcn_r50-d8_512x512_20k_voc12aug --dest .

#转onnx
python tools/pytorch2onnx.py \
    configs/fcn/fcn_r50-d8_512x512_20k_voc12aug.py \
    --checkpoint fcn_r50-d8_512x512_20k_voc12aug_20200617_010715-52dc5306.pth \
    --output-file fcn_r50-d8_512x512_20k_voc12aug.onnx \
    --input-img demo/2007_000256.jpg \
    --shape 500 500 \
    --show \
    --verify

至此就结束了，这个平台大部分的原因都在版本问题，包括这个mmsegmentation我基本都下了一遍，下载完就pip install -v -e .
因为版本的依赖都不一样，还好可以覆盖也就没走更多弯路