Swin-Transformer-Object-Detection环境搭建(Win10+Anaconda3+mmdetection)(最详细)

广告位：

图像拼接论文精读专栏 —— 图像拼接领域论文全覆盖（包含数据集），省时省力读论文，带你理解晦涩难懂的论文算法，学习零散的知识和数学原理，并学会写图像拼接领域的论文（介绍、相关工作、算法、实验、结论、并附有参考文献，不用一篇一篇文章再找）

图像拼接论文源码精读专栏 —— 图像拼接有源码的论文全覆盖（有的自己复现），帮助你通过源码进一步理解论文算法，助你做实验，跑出拼接结果，得到评价指标RMSE、SSIM、PSNR等，并寻找潜在创新点和改进提升思路。

超分辨率重建专栏 —— 从SRCNN开始，带你读论文，写代码，复现结果，找创新点，完成论文。手把手教，保姆级攻略。帮助你顺利毕业，熟练掌握超分技术。

有需要的同学可以点上面链接看看。

---

原文地址：https://arxiv.org/abs/2103.14030

代码地址：https://github.com/microsoft/Swin-Transformer

目标检测：https://github.com/SwinTransformer/Swin-Transformer-Object-Detection

mmdetection项目地址：mmdetection.getstarted

---

前言

本文包含mmdetection、mmcv等windows版本的安装，没接触过Swin-Transformer的读者也可根据流程单独安装mmdetection、mmcv等。其他项目如百度的PP-YOLO也需要安装相似的依赖。

---

1.mmdetection版本要求

Linux or macOS (Windows is in experimental support)

• Python 3.6+
• PyTorch 1.3+
• CUDA 9.2+ (If you build PyTorch from source, CUDA 9.0 is also compatible)
• GCC 5+
• MMCV
• mmcvhe和mmdetection版本对应关系

mmcv-full的官方安装：加粗的链接可以看到各个版本

pip install mmcv-full -f https://download.openmmlab.com/mmcv/ dist/{cu_version}/{torch_version}/index.html

根据mmcv的安装要求发现，Windows下的mmcv-full安装版本最高到1.1.5，对应的mmdetection的版本最高为2.7.0，而Swin-Transformer目标检测要求mmdetection的版本为最新的2.11.0，所以我们需要自己编译mmcv-full使其达到要求的版本，而不是用官方提供的方式安装。

---

2.Swin-Transformer-Object-Detection环境要求

• vs2019 (只装适配于mmdetection的c++编译工具和SDK即可，不用全装，求稳就全装）
• pytorch 1.8.1+
• torchvision 0.9.1+
• python 3.8+
• cuda 10.2+

---

3.详细流程

3.1 anaconda3环境搭建

1. 打开anaconda power shell 我的anaconda的初始目录是D:/anaconda3
2. conda create -n swin python=3.8
3. conda activate swin
4. conda install pytorch=1.8 torchvision cudatoolkit=10.2 -c pytorch
5. 下载Swin-Transformer-Object-Detection项目到你自己的文件目录下，我的是D:/anaconda3/Swin-Transformer-Object-Detection-master，下载地址见本文开头。
6. cd到该项目目录下

cd Swin-Transformer-Object-Detection-master

3.2 安装mmcv

7. mmcv官方文档：mmcv文档 可以参考该流程
8. 找到你的VS2019的cl.exe文件所在位置,我的是D:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.28.29910\bin\Hostx86\x64默认安装在C盘，我的是D盘。复制该目录。
9. 配置环境变量：win10左下角搜索框输入path，打开环境变量，系统变量path中添加该路径，并上移到最顶部。因为如果你的系统里有其他的vs变量可能不会优先调用这个。一直确定，并重启电脑生效。(或cmd中输入set Path=c，再关掉power shell再重启就立即生效，不用重启或者注销)
10. 在第5步的目录下输入cl，若出现如下图所示情况则配置成功。
    
11. cuda环境变量配置：已安装好跳过这步，有多个cuda更改CUDA_PATH最后的版本号即可选择使用哪个cuda。
    
12. 安装最新版mmcv：mmcv-1.3.1 为方便大家直接附上链接和提取码

链接：https://pan.baidu.com/s/1WIbc6X3l9MFbE6NgONLnQA
提取码：1ghq

解压到从github上下载的Swin-Transformer-Object-Detection-master文件夹中

13. 去N卡官网找到的你的显卡算力，笔者的是
14. cd mmcv-1.3.1目录下，输入如下命令：

$env:TORCH_CUDA_ARCH_LIST=“7.5”
$env:MMCV_WITH_OPS = 1
$env:MAX_JOBS = 8 注：8线程编译，显卡不行可以换小

15. 输入python setup.py build_ext进行编译，几分钟完事。
    
16. 输入python setup.py develop安装，几分钟完事。

3.3 安装mmdetection

17. cd … 退到上一级目录
    
18. pip install -r requirements.txt 安装所需依赖 包括Cython等，新的conda环境需要安装的东西多一点，耐心等待即可。
19. 输入python setup.py develop安装会显示已安装完毕。

3.4 安装Apex

如果要跑Swin Transformer就需要安装，不跑就不需要。

20. 直接上链接：

链接：https://pan.baidu.com/s/1mPePs9ds9vpsP7f4RzCVHg
提取码：wg2z

解压到从github上下载的Swin-Transformer-Object-Detection-master文件夹中

21. cd apex-master
22. python setup.py install (pip install -v --no-cache-dir --global-option=“–cpp_ext” --global-option=“–cuda_ext”.是Linux系统下的安装命令)

3.5 简单Demo测试

23. cd … 退回到项目目录
24. python demo/image_demo.py demo/demo.jpg configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py mask_rcnn_swin_tiny_patch4_window7.pth

测试结果：

安装完毕。

---

总结

从github上下载的原始Swin-Transformer-Object-Detection

安装所有相关需求之后：

执行命令之前一定要注意所在目录，看清楚之后再操作！

没有硬件条件，需要云服务的同学可以扫码看看：