【Linux & Deep learning】从0开始安装MMDetection

icyle

已于 2022-03-22 17:38:26 修改

阅读量2.5k

点赞数 6

文章标签： python 深度学习 pytorch 目标检测

于 2022-03-22 16:43:33 首次发布

本文链接：https://blog.csdn.net/qq_36048273/article/details/123654317

版权

前言

不多废话，直接按操作走，别整错了。
建立环境：Ubuntu18.04服务器 + 能跑深度学习的N卡。
注：由于外链过多原因无法被推荐，大家尽量自行百度……

第一步：安装conda

可选项

根据需要，自行选择 Anaconda3 / Miniconda3 。

conda安装流程（以miniconda为例）

Linux系统（以Ubuntu为例）

wget -c https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
chmod 777 Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh

Windows系统/SSH操作

安装Xftp7（或其他远程传输软件）
连接到远程Linux服务器
下载最新版本miniconda3
将文件拖动到服务器合适的文件夹中（请自行选择路径）
安装MobaXterm或其他SSH远程连接软件
MobaXterm连接到远程Linux服务器（自行百度）
cd到4中自行选择的路径，以/conda为例

chmod 777 Miniconda3-latest-Linux-x86_64.sh
cd /conda
sh Miniconda3-latest-Linux-x86_64.sh

如无疑问，从现在起，均使用终端语言进行操作。

检查conda安装情况

conda -V
若出现conda 4.x.0
表明安装成功

第二步：安装nvidia驱动

可用nvidia-smi查看。

一般来说都有，没有的话请自行百度或咨询老师、同学、同事……

第三步：安装CUDA和cudnn

强烈建议：选择CUDA10.2+pytorch1.9.0
也可以选择其他版本，但以上版本实测完美通过

如果之前存在另外的CUDA版本

找到cuda目录，卸载：
cuda目录以/usr/local/cuda-10.0为例：

# 默认为root操作，无root请加sudo
/usr/local/cuda-10.0/bin/uninstall_cuda_10.0.pl
rm -rf /usr/local/cuda-10.0/

安装CUDA←

选择对应选项

# 根据上述选项，可以得到以下操作命令
# 该命令截止2022.03.22为最新
# 请先cd到合适的下载路径
wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
sh cuda_10.2.89_440.33.01_linux.run

此时如无错误，应该进入了安装界面。安装界面是命令行人机交互页面，如下所示：
在这里插入图片描述
accept之后，到如下界面，用Enter键筛选如下（其他有必要再安装）。

注1：Done为返回上一级。Install为开始安装。
注2：Options->Toolkits Options->Change Toolkit Install Path中选择合适的安装路径，此处仅截图为例。
在这里插入图片描述
安装完成后会显示类似successful的提示（此处就不再重复安装了，故不出示图例）。之后开始配置环境：

vim ~/.bashrc
# 如使用的是zsh，则为
# vim ~/.zshrc
# 其他同理

通过vim操作加入如下三句。（别说vim也不会！！）

export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}

最后激活重载环境配置。

source ~/.bashrc

安装cudnn←

在这里插入图片描述
cudnn通过windows下载+ftp文件传输是最简单、快捷、方便的。（所以此处不用纯命令行安装方式）
安装cudnn需要登录自己的Nvidia账号，没有就注册一个吧。登录过程比较麻烦，需要多点耐心。出现下图的话可以按暂不跳过。在这里插入图片描述
根据红箭头指示点击下载。

同样按照conda安装中SSH操作的步骤，将下载好的tar.xz文件放到合适的解压路径。
接下来运行解压命令：

# 按照流程，下载的压缩包名称为
# cudnn-linux-x86_64-8.3.2.44_cuda10.2-archive.tar.xz
tar -xvf cudnn-linux-x86_64-8.3.2.44_cuda10.2-archive.tar.xz
# 不用 -zxvf 的原因是可能会出现如下报错：
# gzip: stdin: not in gzip format
# tar: Child returned status 1
# tar: Error is not recoverable: exiting now

解压完成后，输入ls，应该会发现同名文件夹：

# 每个人的安装路径都不同，所以根据自己的下载路径进行对应更改
cp /*cudnn安装路径*/lib/* /*cuda安装路径*/lib64/
cp /*cudnn安装路径*/include/* /*cuda安装路径*/include/

别着急，我们待会再检查CUDA、cudnn是否安装成功。

第四步：安装MMDetection

首先激活环境，并安装pytorch：

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=10.2 -c pytorch

这个时候，我们来检查一下torch、CUDA、cudnn的安装情况：

python # 打开终端的python
import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.backends.cudnn.version())

在这里插入图片描述
若结果如上图所示，那么没有问题，继续。

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.9.0/index.html
pip install mmdet

这里当然可以按照MMDetection的步骤走git clone，但是对于服务器无法翻墙的同学们来说，最好用pip自动安装方式。

终于快结束了！继续冲！！！

第五步：运行你的第一个mmdet程序

准备mmdetection文件夹

github搜索mmdetection，download zip（win）/git clone（linux）然后解压放到特定位置什么的不用我多说了好吗？假设这是路径A。

辛苦了那么久，终于可以测试了

创建一个py文件，命名为mmdet_test.py。然后，直接上代码：
请先下载faster rcnn pth模型放置到文件夹中，记住路径，假设这是路径B。

from mmdet.apis import init_detector, inference_detector
import cv2

def show_result_pyplot(model, img, result, score_thr=0.5):
    """Visualize the detection results on the image.
    Args:
        model (nn.Module): The loaded detector.
        img (str or np.ndarray): Image filename or loaded image.
        result (tuple[list] or list): The detection result, can be either
            (bbox, segm) or just bbox.
        score_thr (float): The threshold to visualize the bboxes and masks.
        fig_size (tuple): Figure size of the pyplot figure.
    """
    if hasattr(model, 'module'):
        model = model.module
    img = model.show_result(img, result, score_thr=score_thr, show=False)
    return img
    
# 记得路径A吗？加上/mmdetection/configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py这一段就可以了
config_file = 
# 示例：config_file = '/workspace/cwh/mmdetection/configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'

# 刚叫你下载的pth文件！记得路径B吗？
checkpoint_file = 
# 示例：checkpoint_file = './dataset/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'

# 使用CUDA
device = 'cuda:0'
# 初始化检测器
model = init_detector(config_file, checkpoint_file, device=device)
# 推理演示图像
# 还是你的路径A！看看能不能找到/mmdetection/demo/demo.jpg
img_path =
# 示例：img_path = '/workspace/cwh/mmdetection/demo/demo.jpg'
result = inference_detector(model, img_path)
# 只显示>0.8评分的框
det_img = show_result_pyplot(model, img_path, result, score_thr=0.8)
# 选择一个输出图像的路径
out_file =
# 示例：out_file = '/workspace/cwh/result.jpg'
cv2.imwrite(out_file, det_img)