swin transformer环境配置（矩池云）

注：配置过程中所用到的所有文件均放在测试部分的网盘内。

一、矩池云官网上选择合适主机和环境

矩池云 - 专注于人工智能领域的云服务商 (matpool.com)

注：python的版本不宜过高且若要使用最新版的swin transformer项目代码需要注意pytorch的版本最好1.7以上。当然也可以租用尚未安装pytorch的镜像后续自己按需安装即可。

二、租用后开始配置环境

1.使用所提供的JupyterLab链接并打开终端（terminal)

2.安装mmcv

注：下载至root/miniconda3/envs/myconda（若不使用已有环境可按需创建并将文件下载到对应环境）

1、下载文件

此处可选择克隆（有的时候网络不佳可能出现下载失败，此时输入以下网址下载压缩包）

git clone -b v1.3.17 https://github.com/open-mmlab/mmcv.git

也可选择上传压缩包后解压（unzip ）

2、开始安装

cd mmcv-1.3.17
MMCV_WITH_OPS=1 pip install -e .

3、检查是否安装成功

若安装时版本不匹配可输入以下代码降低版本。

 pip install mmcv-full==1.3.17 -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.6.0/index.html

3.安装mmdetection

注：下载至root/miniconda3/envs/myconda（若不使用已有环境可按需创建并将文件下载到对应环境）

1、下载文件并安装

git clone -b v2.19.1 https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements/build.txt
python setup.py develop

2、检查是否安装成功

4.安装apex

注：下载至root/miniconda3/envs/myconda（若不使用已有环境可按需创建并将文件下载到对应环境）

1、下载文件并安装

git clone https://github.com/NVIDIA/apex
cd apex
python setup.py install

2、检查是否安装成功

5.安装Swin-Transformer-Object-Detection

1、下载文件并检查完善环境

git clone https://github.com/SwinTransformer/Swin-Transformer-ObjectDetection.git
cd Swin-Transformer-Object-Detection
python setup.py develop

三、测试

1、下载权重文件

注：放置Swin-Transformer-Object-Detection-master目录下

链接：https://pan.baidu.com/s/1wTnBxOYMwayPsekKcpohdg?pwd=rlrl

提取码：rlrl

也可在Swin Transformer目标检测官方网址按需下载权重文件。

GitHub - SwinTransformer/Swin-Transformer-Object-Detection: This is an official implementation for "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows" on Object Detection and Instance Segmentation.

2、新建py文件valid.py

内容如下（放置Swin-Transformer-Object-Detection-master目录下）

from mmdet.apis import init_detector, inference_detector

config_file = 'configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_1x_coco.py'
# download the checkpoint from model zoo and put it in `checkpoints/`
# url: https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
checkpoint_file = 'mask_rcnn_swin_tiny_patch4_window7_1x.pth'
device = 'cuda:0'
# init a detector
model = init_detector(config_file, checkpoint_file, device=device)
# inference the demo image
img = 'demo/demo.jpg'
result = inference_detector(model, 'demo/demo.jpg')
model.show_result(img, result)
model.show_result(img, result, out_file='demo/demo_result.jpg') # 保存推理图像

3、开始测试

（python valid.py）

会出现以上提醒但测试实际上已经成功，可以发现demo文件夹已经出现了demo_result.jpg点击查看

当然依据提醒是指将configs文件中的test_pipeline的ImageToTensor替换为DefaultFormatBundle。

在valid.py中可知我们所用到的py文件为mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_1x_coco.py。

打开configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_1x_coco.py，该py文件又涉及以下三个py文件，依次打开发现在coco_instance.py中出现test_pipeline,并将ImageToTensor替换为DefaultFormatBundle。

再次输入python valid.py会发现不再存在以上情况。