mmcv+mmsegmentation配置成功经验分享

最新推荐文章于 2024-08-08 14:28:23 发布
最新推荐文章于 2024-08-08 14:28:23 发布
阅读量178 收藏 1
点赞数 3
文章标签： python
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/qq_28586501/article/details/139951351
版权

python环境==3.7或者3.8 

torch装1.9

conda install pytorch==1.9.1 torchvision==0.10.1 torchaudio==0.9.1 cudatoolkit=11.3 -c pytorch -c conda-forge


创建虚拟环境
 

conda create -n openmmlab python=3.7


激活

conda activate openmmlab


装openmim


pip3 install openmim



安装各种函数库


mim install mmcv-full
mim install mmdet
mim install mmsegmentation

青雉007
关注
  • 3
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pytorch 24 把MMSegmentation的作为pytorch的语义分割模型库使用（已实现模型的训练与部署）
a486259的博客
04-27 4429
MMSegmentation是商汤科技推出的语义分割库套件，属于 OpenMMLab 项目的一部分，里面有很多的语义分割模型。为什么博主会有这样的骚操作想法呢？原因有二，第一点：MMSegmentation的封装太完善了，作为一个依赖于pytorch的模型库在训练上却不一样，用户的自由发挥空间很小（比如自定义loss、自定义学习率调度器、自定义数据加载器，啥都要重新学），这让博主很难接受；第二点：github上给出了的其他pytorch模型库太拉胯了，支持的模型数量有限，大多只支持2020年以前的模型，这对
基于MMCV框架的多分类模型架构
06-13
压缩包文件"mmclassification-master"可能包含了MMCV的多分类模型示例代码和相关配置文件。通过阅读和理解这些代码，你可以了解到如何在实际项目中使用MMCV进行模型构建、训练和验证。这通常包括以下几个步骤： 1. ...
mmlab - mmsegmentation经验总结（一）环境安装
熊猫小妖的AI世界
09-24 4066
【DL】如何使用MMSegmentation训练数据集
openMMLab的mmcv和mmdet、mmdet3d、mmseg版本对应关系
XCCCCZ的博客
11-10 9219
但是需要不借助MIM安装时，这里怎么确定要安装什么版本的mmcv和mmdet、mmdet3d、mmseg，在openmmlab网站主页上没有一个容易能找到的完整表格页面来详细记录他们之间的版本对应关系，好不容易找到个Faq页面，里面却只记录了最新的mmcv2.x和其它组件之间的版本，对历史1.x版居然都不记录！找到了最基础的mmcv该安装什么版本后，再查找其它框架包该安装什么对应的版本，mmdetection从。点击左下方的Read the Docs 的右边点击可以切换版本，选择v1.7.0，
windows下mmcv-full和MMSegmentation源码编译安装
LIWEI940638093的博客
10-23 893
主要参考OpenMMLab官方发布的教程 官方教程看不懂的地方可以参照： https://blog.csdn.net/weixin_43294393/article/details/117441016 https://www.zywvvd.com/notes/environment/cuda/windows-mmcv-1-3-13-install/windows-mmcv-1-3-13-install/ ...
mmsegmentation指定版本安装
qq_45938774的博客
01-14 978
第一次复现深度学习项目，虽然对大佬们说很简单，但！小白菜第一步搭建环境就遇到困难了！在此记录一下。由于项目利用的是mmcv2.0.0之前的版本(并且这个改动还挺大的，很多库都移除了)，因此需要配置安装以前的版本。
【AI框架】MMDetection3D 目标检测框架的 Docker 环境制作和改良
白拾的博客
03-20 8947
MMDetection3D 是一个基于 PyTorch 的目标检测开源工具箱, 下一代面向3D检测的平台. ✨本文提供了一套完整的基于Docker的目标检测研究环境搭建思路，对官方教程进行了一定的修改和补充。同时随文提供SSH和Jupyter server实践，均为可用状态，提供了可靠资料给小伙伴们探索。 注：官方docker适合运行框架内的模型，本文的修改的docker适合对模型进行修改和创新，对使用者的要求略高。 全流程 1. 下载需要的资源 1. 下载 Kitti 数据集 2. 下载.
【传知代码】BEVFormer详细复现方案（论文复现）
ztK63LrD的博客
06-05 1418
本文介绍了一种新的框架——BEVFormer，用于学习具有时空Transformer的统一BEV表征，以支持多个自动驾驶感知任务。BEVFormer利用空间和时间信息，通过预定的网格状BEV查询向量与空间和时间域交互。为了聚合空间信息，作者设计了一个空间交叉注意力，每个BEV查询向量从跨相机视图的感兴趣区域提取空间特征。对于时间信息，作者提出了一种时间自注意力来递归融合历史BEV信息。
imvoxelnet 复现
WeiY1的博客
03-07 1134
ImVoxelNet: Image to Voxels Projection for Monocular and Multi-View General-Purpose 3D Object Detection 试用
【传知代码】多视图3D目标检测位置嵌入变换（论文复现）
ztK63LrD的博客
06-02 758
多视角图像中的3D目标检测由于其在自动驾驶系统中的低成本而具有吸引力，如下图所示：1）在DETR中，每个对象查询表示一个对象，与Transformer解码器中的2D特征交互以产生预测的结果。2）在DETR3D中，由对象查询预测的3D参考点通过相机参数投影回图像空间，并对2D特征进行采样，以与解码器中的对象查询进行交互。3）PETR通过将3D位置嵌入编码到2D图像特征中生成3D位置感知特征，对象查询直接与3D位置感知特征交互，并输出3D检测结果。
mmcv-1.3.1.zip
04-30
用户只需将压缩包解压到他们的项目文件夹中，即可无缝集成并利用这个库进行开发工作，无需额外的配置或修复问题。 **标签解析：** 1. **mmcv**：这是核心关键词，代表MMCV库，一个用于深度学习和计算机视觉任务的...
mmsegmentation
08-17
`mmSegmentation` 是由著名开源项目 `MMDetection` 团队开发的，它继承了 `MMDetection` 的设计哲学，提供了丰富的模型集合、灵活的训练配置以及高效的训练和推理流程。这个框架支持多种深度学习框架，如 PyTorch 和...
mmcv_full-1.3.0+torch1.8.0+cu111-cp38-cp38-manylinux1_x86_64.whl
06-18
mmcv_full-1.3.0 linux,linux
基于mmcv和mmdet的yolov8
05-03
**基于mmcv和mmdet的Yolov8深度学习框架详解** 在计算机视觉领域，目标检测是一项重要的任务，它涉及到识别图像中的特定对象并精确地定位它们。Yolov8是Yolo（You Only Look Once）系列目标检测模型的最新版本，其...
大模型微调工具-torchtune
最新发布
weixin_40777649的博客
08-08 543
1.定义2.安装3. 案例。
python的匿名函数
weixin_74923758的博客
08-05 243
python中的匿名函数是一种简洁的函数定义方式，它使用lambda关键字来创建。匿名函数通常用于需要一个函数对象，但又不想去定义一个完整的函数时。它们可以接收任意数量的参数，但只能有一个表达式。匿名函数经常与函数的参数一起使用，例如map（），filter（）和sorted()等函数，这些函数可以接受一个函数作为参数来指定如何操作数据。map()函数可以将一个给定的函数应用于一个可迭代对象的每个元素。是函数体，它是一个表达式，其结果将作为函数的返回值。
jupyter下载
Einstein·Jun
08-06 604
Anaconda下载 参考链接：https://blog.csdn.net/qq_48372575/article/details/125630622 设置Jupyter Notebook的代码路径 在“此电脑”中搜索。删除最后一个""后面的的内容，包括“\”。 用记事本打开它。 按下ctrl+F就可以开始查找。查找内容如下： 找到之后，右键该文件，找到“发送到”，找到“桌面快捷方式”。然后就会发现桌面上已经建立好了！
mmsegmentation mmcv
10-16
这两个都是计算机视觉领域的开源框架，但是它们的功能和应用场景不同。...而mmsegmentation则是基于mmcv开发的一个专门用于语义分割的框架，提供了多种经典和先进的语义分割模型，并且支持多种数据增强和训练策略。
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