猿创征文|目标检测算法框架之ubuntu16.04安装mmdetection库

• 一，前言
  • 1.1，更新 pip 和 conda下载源
  • 1.2，查看 conda 和 pip 版本
• 二，MMDetection 简介
• 三，MMDetection 安装
  • 3.1，依赖环境
  • 3.2，安装过程记录
    • 1，安装操作系统+cuda
    • 2，安装 Anconda3
    • 3，安装 pytorch-gpu
    • 4，安装 mmdetection
• 参考资料

文章同步发于 github 仓库和 知乎 博客。如果看完文章有所收获，一定要先点赞后收藏。毕竟，赠人玫瑰，手有余香。

一，前言

1.1，更新 pip 和 conda下载源

在下载安装好 python3+pip 或 anconda3 的基础上，建议更新为清华/阿里镜像源（默认的 pip 和 conda下载源速度很慢）。

1，pip** 更新下载源为清华源的命令**如下:

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

2，conda** 更新源的方法：**

各系统都可以通过修改用户目录下的 .condarc 文件。Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改.condarc 文件内容如下:

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

1.2，查看 conda 和 pip 版本

root# conda --version
conda 22.9.0
root# pip --version
pip 20.2.4 from /opt/miniconda3/lib/python3.8/site-packages/pip (python 3.8)

二，MMDetection 简介

MMDetection 是一个基于 PyTorch 的目标检测开源工具箱。它是 OpenMMLab 项目的一部分。主分支代码目前支持 PyTorch 1.5 以上的版本。主要特性为：

• 模块化设计
• 丰富的即插即用的算法和模型
• 速度快
• 性能高

更多详情请参考 MMDetection 仓库 README。

三，MMDetection 安装

3.1，依赖环境

• 系统：首选 Linux，其次 macOS 和 Windows（理论上支持，实际安装需要踩很多坑）
• Python 3.6+
• 首选 CUDA 11.3+、其次推荐 CUDA 9.2+
• 首选 Pytorch 1.9+，其次推荐 PyTorch 1.3+
• GCC 5+
• MMCV

3.2，安装过程记录

1，安装操作系统+cuda

我是在 docker 容器中安装和进行深度学习算法开发的，其操作系统、cuda、gcc 环境如下：

2，安装 Anconda3

官网下载 Anconda3 linux 安装脚本，并安装 Anconda3（很好装一路 yes 即可），并使用 conda 新建虚拟环境，并激活虚拟环境进入。

conda create -n mmlab python=3.8 -y # 创建 mmlab 的虚拟环境，其中python解释器版本为3.8(python3.9版本不行,没有pytorch_cuda11.0版本)
conda activate mmlab # 激活虚拟环境进入

虚拟环境安装成功后的部分过程截图如下所示：

如果你激活虚拟环境出现如下所示错误。

CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.
To initialize your shell, run

    $ conda init <SHELL_NAME>

Currently supported shells are:
  - bash
  - fish
  - tcsh
  - xonsh
  - zsh
  - powershell

See 'conda init --help' for more information and options.

IMPORTANT: You may need to close and restart your shell after running 'conda init'.

可通过以下命令重新激活 conda 环境，即可解决问题，方法参考自 stack overflow 问题。

source ~/anaconda3/etc/profile.d/conda.sh # anaconda3 的安装路径有可能不一样，自行修改
conda activate mmlab

3，安装 pytorch-gpu

首选安装 pytorch-gpu 版本，如果是在线安装命令如下**。**

conda install pytorch=1.7.1 cudatoolkit=11.0 torchvision=0.8.2 -c pytorch

官网命令的 cuda11.0 的 torchaudio==0.7.2 版本不存在，故去除。

安装过程信息（记得检查 pytorch 版本是 cuda11.0 的）截图如下：

安装成功后，进入 python 解释器环境，运行以下命令，判断 pytorch-gpu 版本是否安装成功。

>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.cuda.device_count()
2
>>>

同时可通过以下命令查看 CUDA 和 PyTorch 的版本

python -c 'import torch;print(torch.__version__);print(torch.version.cuda)'

总的来说，pytorch 等各种 python 包有离线和在线两种方式安装：

• 在线：conda/pip 方法安装，详细命令参考 pytorch 官网，但是这种方式实际测试下来可能会有问题，需要自己肉眼检查安装的版本是否匹配。
• 离线：浏览器下载安装包，然后通过 pip 或者 conda 方式离线安装。
  • pip 可通过此链接 浏览器下载各种 pytorch 版本的二进制安装包，到本地安装（pip install *.whl）。
  • conda 通过清华源链接，浏览器下载对应版本压缩包，然后 conda install --offline pytorch压缩包的全称（后缀都不能忘记）

不通过浏览器下载 whl 包，而是 pip install ``https://download.pytorch.org/whl/cu110/torch-1.7.1%2Bcu110-cp39-cp39-linux_x86_64.whl 方式可能会有很多问题，比如网络问题可能会导致安装失败。

WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by ‘NewConnectionError(’<pip._vendor.urllib3.connection.HTTPSConnection object at 0x7f74f60d6760>: Failed to establish a new connection: [Errno 101] Network is unreachable’)': /whl/cu110/torch-1.7.1%2Bcu110-cp39-cp39-linux_x86_64.whl

或者下载到一半的网络连接时常超过限制。

pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host=‘download.pytorch.org’, port=443): Read timed out.

4，安装 mmdetection

不建议安装 cpu 版本，因为很多算子不可用，其次截止到2022-11-3日，macos 系统 cpu 环境的 mmdet.apis 是不可用的。

建议使用 MIM 来自动安装 MMDetection 及其相关依赖包-mmcv-full 。

pip install openmim # 或者 pip install -U openmim
mim install mmdet

参考资料

• mmdetection 和 pytorch 官网
• https://download.pytorch.org/whl/torch_stable.html