win10部署mmaction2环境

#pytorch 1.10.0

#python=3.8

#cpu

创建环境

conda create -n mmact python=3.8
conda activate mmact

1.Pytorch安装:

Start Locally | PyTorch​​​​​​

官网寻找自己对应的版本。

# CPU Only
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cpuonly -c pytorch

2.MMCV-full安装:

安装 MMCV — mmcv 1.7.0 文档

在对应位置看一下当前mmaction2版本兼容最低和最高版本。

官网寻找自己对应的版本。

 安装

pip install mmcv-full==1.4.7 -f https://download.openmmlab.com/mmcv/dist/cpu/torch1.10/index.html

3.ffmpeg安装

到ffmpeg官网https://ffmpeg.org/download.html

下载对应版本。 

解压文件,进入bin目录,能看到ffmpeg.exe、ffplay.exe、ffprobe.exe三个文件。不用管它,进行下一步。

设置环境变量

点击“系统属性->高级系统设置->环境变量->用户变量”,选择“Path”条目,点击“编辑->新建”,把第一步的bin文件夹路径复制粘贴进去,然后点击确定即可。

4.安装mmaction2

git clone https://github.com/open-mmlab/mmaction2.git
cd mmaction2
pip install -r requirements.txt
python setup.py develop

5.安装mmdetection2

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
conda install git
pip install -r requirements.txt

pip intall 出现 error: subprocess-exited-with-error 错误的解决办法:
   

pip install --upgrade setuptools

若mmtracting还报错

pip install git+https://github.com/open-mmlab/mmtracking#egg=mmtrack

之后会报错关于error: Microsoft Visual C++ 14.0 or greater is required,

pycocotools安装失败。

默认安装VisualCppBuildToolsFull.exe

下载:https://pan.baidu.com/s/11y0p4bI-S_XC0jBNTqFPzw

 点击装载,

 然后双击exe,安装默认安装即可。

之后运行

python setup.py develop

6.demo测试

        将mmdetection中的mmdet复制到mmaction中

        下载训练权重

wget https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_2x_coco/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth -P ./Checkpionts/mmdetection/

wget https://download.openmmlab.com/mmaction/recognition/slowfast/slowfast_r50_8x8x1_256e_kinetics400_rgb/slowfast_r50_8x8x1_256e_kinetics400_rgb_20200716-73547d2b.pth -P ./Checkpionts/mmaction/

        demo运行

python demo/demo_spatiotemporal_det.py --config configs/detection/ava/slowfast_kinetics_pretrained_r50_8x8x1_20e_ava_rgb.py --checkpoint Checkpionts/mmaction/slowfast_r50_8x8x1_256e_kinetics400_rgb_20200716-73547d2b.pth --det-config demo/faster_rcnn_r50_fpn_2x_coco.py  --det-checkpoint Checkpionts/mmdetection/faster_rcnn_r50_fpn_2x_coco_bbox_mAP-0.384_20200504_210434-a5d8aa15.pth   --video demo/demo.mp4  --out-filename demo/demoOut.mp4  --det-score-thr 0.9 --action-score-thr 0.5 --output-stepsize 4  --output-fps 6

  • 1
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
以下是在 Windows 10 上部署 YOLOX 模型的步骤: 1. 安装 Anaconda 首先,你需要在官网下载并安装 Anaconda,它包含了 Python 和常用的数据科学包。 2. 创建虚拟环境 使用 Anaconda 创建一个新的虚拟环境,以避免与其他 Python 包发生冲突。 ``` conda create -n yolox python=3.8 ``` 这将创建一个名为 `yolox` 的新环境,并使用 Python 3.8 作为默认版本。 3. 激活虚拟环境 激活新创建的虚拟环境。 ``` conda activate yolox ``` 4. 安装 PyTorch 安装 PyTorch,它是一个常用的深度学习框架。 ``` conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia ``` 这将安装 PyTorch、torchvision 和 torchaudio,以及适用于 CUDA 11.1 的 NVIDIA CUDA 工具包。 5. 安装 YOLOX 使用 pip 安装 YOLOX。 ``` pip install yolox ``` 6. 下载预训练权重 从 YOLOX 的官方 GitHub 仓库中下载预训练权重。 ``` wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1/yolox_s.pth ``` 注意:如果你没有安装 wget,可以使用其他下载工具或手动从 GitHub 上下载预训练权重。 7. 运行 YOLOX 现在,你可以使用 YOLOX 进行物体检测了。 ``` python demo/image_demo.py image.jpg yolox_s.pth --conf 0.25 --nms 0.45 --tsize 640 --save_result ``` 这将使用 `yolox_s.pth` 预训练权重对 `image.jpg` 进行物体检测,使用 0.25 的置信度阈值和 0.45 的非极大值抑制阈值,同时图像大小为 640x640,并将结果保存在当前目录中。 以上是在 Windows 10 上部署 YOLOX 模型的基本步骤。你可以根据自己的需求进行更改和调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值