MM-Detection Logs —— 环境搭建及安装（Linux）

1. 创建环境

使用 conda 新建虚拟环境，命名为“open-mmlab”，终端输入命令：

conda create -n open-mmlab python=3.7 -y 

2. 激活环境

激活“open-mmlab”，切换到“open-mmlab”环境，终端输入命令：

source activate open-mmlab  

3. 安装PyTorch

PyTorch 官网：link

基于 PyTorch 官网安装 PyTorch 和 torchvision，“open-mmlab”环境下，终端输入命令：

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch  

备注：这里推荐PyTorch 1.7.1版本，我的环境是CUDA 10.1

4. 安装MMDetection依赖包

安装 mmcv-full，“open-mmlab”环境下，终端输入命令：

pip install mmcv-full  

我们建议使用预构建包来安装，如下：

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.7.0/index.html  

备注：“pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html”中需要把命令行中的 {cu_version} 和 {torch_version} 替换成对应的版本。例如：上述代码对应的是 CUDA 10.1 和 PyTorch 1.7.1 的环境。PyTorch可忽略小版本，1.7.x都可以用1.7.0。

5. 安装MMDetection

“open-mmlab”环境下，终端输入命令：

pip install mmdet  

6. 打开mmdetection项目

下载并在PyCharm中打开。项目地址：link

7. 在PyCharm中配置“open-mmlab”环境

7. 验证

为了验证是否正确安装了 MMDetection 和所需的环境，我们可以运行示例的 Python 代码来初始化检测器并推理一个演示图像：

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  
result = inference_detector(model, 'demo/demo.jpg')  
model.show_result('demo/demo.jpg', result, out_file='result.jpg')  

备注：查看result.jpg正常即可。