win10下mmdetection2.7.0配置(亲测有效)

之前安装走了许多弯路,踩了很多坑,终于花费了挺长一段时间成功安装了mmdetection2.7.0。

我的电脑安装环境:

win10

CUDA 10.0

python 3.7

torch 1.6.0

torchversion 0.7.0

完成cuda及cudnn下载安装后,再进行以下步骤:

1.首先打开Anaconda Powershell Prompt(之前在通过cmd打开没能配置成功),新建一个环境:

conda create -n mm1 python=3.7 -y

然后激活: conda activate mm1 进入mm1环境。

conda activate mm1

2.安装pytorch:

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch -y

3.安装mmcv-full(不要安装mmcv,而是安装mmcv-full才不会报错)

https://download.openmmlab.com/mmcv/dist/index.html中下载/1.1.5/torch1.6.0/cu102/mmcv_full-1.1.5+torch1.6.0+cu102-cp37-cp37m-win_amd64.whl

然后通过:cd 文件位置 ,进入然后使用pip安装,例如:

 4.通过github下载mmdetection2.7.0,解压到某一位置。通过cd到该位置,运行python setup.py install 如下:

 5.接着安装requirements.txt就好了

pip install -r requirements.txt

至此,mmcv-full和mmdetection配置完成。

6.(验证)在下载好的mmdetection2.7.0文件中新建一个python文件,命名“test.py",然后将以下代码复制进去:

from mmdet.apis import init_detector, inference_detector

config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
# 从 model zoo 下载 checkpoint 并放在 `checkpoints/` 文件下
# 网址为: http://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
device = 'cuda:0'
# 初始化检测器
model = init_detector(config_file, checkpoint_file, device=device)
# 推理演示图像
img = 'demo/demo.jpg'
result = inference_detector(model, img)
model.show_result(img, result)
# 将推理的结果保存
model.show_result(img, result, out_file='result1.jpg')

接着新建一个文件夹"checkpoints",通过http://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pthhttp://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth下载权重文件

faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth

然后运行出现result.jpg如下图,即mmdetection配置成功!

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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