MMDetection安装bug过程

最新推荐文章于 2024-06-18 16:09:45 发布
最新推荐文章于 2024-06-18 16:09:45 发布
阅读量695 收藏 1
点赞数 1
分类专栏： python ai error（vs） 文章标签： bug
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qihshe/article/details/133430021
版权
本文描述了作者在安装OpenMIM时遇到的版本不兼容、路径错误、编码问题等挑战，分享了解决步骤，包括调整虚拟环境、从GitHub下载并手动安装到Anaconda的site-packages中，最终成功测试。
摘要由CSDN通过智能技术生成

0

官方链接

1

在这里插入图片描述

一开始进行openmim安装的时候就出现了版本不兼容，因为发现安装成功所以暂时没去管
在这里插入图片描述

2

3Test

在这里插入图片描述
在这里插入图片描述

4Result

采用b方案安装后在vscode里进行测试报错在这里插入图片描述
原来是下载配置文件路径并不在虚拟环境下
在这里插入图片描述
把这两个文件拷贝到你的虚拟环境下就🆗，最后发现压根没用
然而紧接着又出现了编码问题
在这里插入图片描述

重启后直接报错

一番折腾无果后选择按方案a
在这里插入图片描述
github上下载后解压到anaconda的lib下的site-packages文件夹下
然后切换到该目录进行安装

测试成功

怎么全是重名
关注
专栏目录
OpenMIM-开源
05-01
具有异步操作的ICQ，MSN，IRC纯Java可重用插件库
Open-mmlab安装踩坑
weixin_47916043的博客
11-23 187
【代码】【无标题】
【目标检测】从头到尾教你安装MMDetection（超详细版本）
热门推荐
wzk4869的博客
11-10 2万+
【目标检测】从头到尾教你安装MMDetection（超详细版本）
pin 安装出现 Requirement already satisfied: openmim in 路径错误时
qq_28586501的博客
10-21 853
python安装函数库的问题
使用pip安装包出错解决
最新发布
qq_48088330的博客
06-18 739
解决pip安装ssl证书问题导致的安装失败问题
OpenMMLab MMDetectionV3.1.0-SAM（环境安装、模型测试、训练以及模型后处理工具）
qq_41627642的博客
08-02 2866
（1）detector_sam_demo.py：用于对单个图像和图像文件夹进行检测和实例分割。（2）coco_style_eval.py：用于对给定的 COCO JSON 进行推理、评估和导出。（3）browse_coco_json.py：用于可视化导出的 COCO JSON。（4）images2coco.py：用于基于用户自己的图像文件夹的自定义和未注释的 COCO 风格 JSON。此 JSON 可以用作coco_style_eval.py.
基于win10系统使用Conda对于OpenMMLab组件的安装
weixin_38655947的博客
06-03 574
点击download下载，保持默认逐步安装。
安装mmdetection3d遇到的一些问题记录
onepunch_k的博客
02-06 421
ERROR: Could not install packages due to an OSError: [WinError 5] 拒绝访问。: 'c:\\programdata\\anaconda3\\envs\\open-mmlab\\lib\\site-packages\\__pycache__\\typing_extensions.cpython-37.pyc' Consider using the `--user` option or check the permissions.
mmdetection v2.2.1.tar.gz
11-02
**mmdetection v2.2.1：深度学习目标检测框架详解** *mmdetection* 是一个基于 PyTorch 的开源目标检测库，由阿里云M6团队开发并维护。v2.2.1 是该库的一个稳定版本，针对常见的目标检测任务提供了多种模型和训练...
MMDetection技术文档：安装与使用指南
1. **安装**：MMDetection的安装过程分为几个步骤，包括安装必要的依赖库、下载并安装MMDetection代码库，以及选择使用Docker镜像进行快速部署。此外，文档还提供了从头开始的设置脚本，以帮助用户更轻松地配置环境...
MMdetection记录
菜鸟中的菜中菜的博客
04-10 4326
MMdetection官方文档： https://mmdetection.readthedocs.io/zh_CN/latest/article.html 官方有原文https://zhuanlan.zhihu.com/p/337375549 我只提取我在意的 模块详解 一个batch进来之后到backbone，例如ResNet 输出的单尺度或者多尺度特征图然后到neck进行特征融合或增强，例如FPN 上述多尺度特征最终输入到 head 部分，一般都会包括分类和回归分支输出 在整个网络构建阶段都可以引入
mmdetection源码阅读笔记（1）--创建网络
EwanRenton
05-04 9201
之前写了mmdetection的模型创建部分，这次以cascade rcnn为例具体看下网络是怎么构建的。 讲网络之前，要先看看配置文件，这里我主要结合官方提供的cascade_mask_rcnn_r50_fpn_1x.py来看具体实现，关于这些配置项具体的含义可以看mmdetection的configs中的各项参数具体解释 创建cascade rcnn网络 先找到cascade rcnn的定...
MMDetection目标检测实例
weixin_45734379的博客
01-16 1960
MMDetection目标检测实例 MMDetection基于cooc数据集，Faster-rcnn方法的目标识别训练 文章目录MMDetection目标检测实例前言一、MMDetection安装二、数据集介绍二、创建更改相关的py文件1.修改coco.py下的CLASSES=(‘hu’,’shu’)，顺序不要颠倒，因为JSON格式（看上面那个图）的种类顺序就是’hu’,’shu’。2.修改configs/faster-rcnn/faster_rcnn_r50_fpn_1x_coco.py，通过这个找
mmdetection从配置到训练
qq_52302919的博客
10-31 3818
商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN等主流的目标检测框架，后续会加入Cascade-RCNN以及其他一系列目标检测框架。
【安装教程】MMPose安装与使用（测试HRNet与Lite-HRNet）
qq_21532607的博客
12-29 3405
MMPose的对于怎么安装其实写得非常清楚，所以本篇文章其实相当于一个过程记录。最后对比了一下HRNet和Lite-HRNet在gpu和cpu上的推理速度
openmmlab 笔记5
weixin_42567071的博客
02-08 432
mmdetection 环境搭建工具 openbayes新建一个，选择gpu 镜像选pytorch数据绑定交互方式 jupyter数据集 简单的水果图片pip 安装mmdetection 依赖库pytorch。
Linux系统MPI library之OpenMPI的安装及使用
Blockbuater_drug
02-15 6315
OpenMPI是一个开源的消息传递接口（Message Passing Interface，MPI）的实现，用于并行计算。它允许多个计算节点之间进行通信和数据交换，从而实现分布式计算。这里介绍OpenMPI的安装和基本使用。安装是后续的分子对接虚拟筛选以及分子动力学研究的准备工作。
mim : 无法将“mim”项识别为 cmdlet、函数、脚本文件或可运行程序的名称（解决）
Y5823990的博客
05-04 553
然后注意安装mim install mmengine以及其他需要mim安装的包时的时候，用下面命令。一般这个时候就可以了，如果还不行请检查安装命令行所在的虚拟环境和你目前的编辑器匹配不匹配。首先确认自己安装了openmim包，如果没有请先安装包。在安装MMCV的相关包时，报如下错误。
MMDetection的安装及验证
Qlz的博客
03-27 5457
安装MMDetection 参考：安装 — MMDetection 2.22.0 文档 进入openMMLab社区好久了，但是前面都是在学一些基础知识，最近看到了目标检测的部分，然后尝试配置了一下mmDet的环境，过程中踩了很多坑，也用了很长时间，在这里记录一下，避免大家后面再次踩坑了，整个过程如果顺利的话可能三分钟不到就好了 本文假设已经配置好了anaconda且已经有了pytorch环境，，如果没有的话参考这个文章 首先从已有的环境中克隆一份出来，这样可以省掉很多的下载时间 conda create
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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