ubuntu16.04安装ｍｍdetection

拜读了Ｂ站的一位大神的视频，附上安装mmdetection视频，，若侵权会马上删除
mmdetection与mmcv版本对应关系链接

首先声明本人是ubuntu16.04 cuda10.1

第一步：需要创建虚拟环境open-mmlab，为啥创建不多说，不懂的先去学习一下，比较简单，就是创建的环境能保持独立，不会和其他环境混。
在终端执行：conda create -n　open-mmlab
安装python版本：conda create -n python=3.7 -y
或者以上两步也可以总结成一步的命令：conda create -n open-mmlab python=3.7

第二步：激活虚拟环境，在终端执行：conda activate open-mmlab

第三步：装pytorch，建议使用conda安装，查看自己电脑cuda的版本，pytorch官网地址pytorch官当地址链接找对应的pytorch版本。我的电脑是cuda10.1
我的安装命令是：

conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1 -c pytorch

后面换成了1.5版本

conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1 -c pytorch

第四步：安装mmcv，这一步很多人都会安装错误，直接conda install…这样及其不可取，因为这样很容易安装成最新版本，而导致跟自己电脑环境不匹配，所以推荐按照下列方法安装，后面链接是安装mmcv的索引，建议查看安装mmcv链接要求
之前我看到这里面有句：

Note: The pre-built packages provided above do not include all versions of mmcv-full, you can click on the corresponding links to see the supported versions. For example, you can click cu102-torch1.8.0 and you can see that cu102-torch1.8.0 only provides 1.3.0 and above versions of mmcv-full. In addition, We no longer provide mmcv-full pre-built packages compiled with PyTorch 1.3 & 1.4 since v1.3.17. You can find previous versions that compiled with PyTorch 1.3 & 1.4 here. The compatibility is still ensured in our CI, but we will discard the support of PyTorch 1.3 & 1.4 next year.
因此我之前一直安装pytorch1.4版本不成功，这句提示以后我换成了pytorch1.5

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{你的cuda版本}/｛你的torch版本｝/index.html

具体格式可以参照下面的版本，主要还是看你电脑的cuda和pytorch版本

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.4.0/index.html

第五步：安装mmdetection.

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

测试环境是否可用

python tools/train.py -h

出现一下界面

在文件夹：./configs/gfl/gfl_r50_fpn_mstrain_2x_coco.py

中修改最大的训练epochs数
runner = dict(type=‘EpochBasedRunner’, max_epochs=100)
在这句代码中修改max_epochs中的数字大小，就能控制训练的epochs
最后代码跑起来了：

祝大家顺利。