【Win10+RTX3090】Windows下最新版本mmdetection的安装/环境配置流程

2021年12月9日更新：可查看本人最新的CUDA环境配置博客：https://zhuanlan.zhihu.com/p/443114377，系对本文的提炼、归纳与总结

---

---

依赖项准备

执行以下安装程序时，都以管理员身份运行

• Git for Windows
  1. 安装时，请勾选Git from the command line and also from 3rd-party software
  2. 安装完成后，确认...\Git\cmd已添加至环境变量Path中，否则手动添加
• Visual Studio Community 2019
  1. 安装时，请勾选使用C++的桌面开发
  2. 安装完成后，将...\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.28.29910\bin\Hostx86\x64添加到环境变量Path中（注意替换VS版本）
• Anaconda
  1. 安装完成后，将...\anaconda3、...\anaconda3\Scripts、...\anaconda3\Library\bin都添加到环境变量Path中
• CUDA Toolkit & cuDNN
  1. 参考本人的这篇博客来选择合适的版本进行安装（若未安装驱动，也请注意安装驱动）
  2. 安装CUDA Toolkit时，注意勾选Visual Studio Integration
  3. 安装完成后，添加...\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin、...\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp到环境变量Path中（注意替换CUDA版本）
  4. 设置环境变量CUDA_PATH为...\NVIDIA GPU Computing Toolkit\CUDA\v11.1，新建环境变量CUDA_PATH_V11_1为...\NVIDIA GPU Computing Toolkit\CUDA\v11.1（注意替换CUDA版本）
• 注：由于本人的依赖项是陆陆续续安装的，以上依赖项不确定全部必需，也可能有遗漏之处，欢迎大家指出！

---

mmcv-full的编译与安装

1. 以管理员身份运行Anaconda Powershell Prompt（注意一定要打开基于PowerShell的Prompt），并进入工作目录

   cd D:/137/workspace
   

2. 创建conda环境：

   conda create -n mm python=3.8
   conda activate mm
   

3. 安装pytorch，这里也参考本人的这篇博客来选择

   conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge
   

4. 下载mmcv源码

   git clone https://github.com/open-mmlab/mmcv.git
   cd mmcv
   

5. 安装mmcv所需的python依赖包

   pip install -r requirements.txt
   

6. 打开mmcv/ops/csrc/ms_deform_attn_cuda_kernel.cuh，搜索floor，将其全部替换为floorf，否则编译时会报错：

   

   

7. 打开mmcv/ops/csrc/roi_align_rotated_cuda_kernel.cuh，搜索ceil，将其全部替换为ceilf，否则编译时也会报上述类似的错

8. 按指令编译mmcv-full：

   $env:MMCV_WITH_OPS = 1 # 选择安装mmcv-full
   $env:MAX_JOBS = 8 # 根据你可用CPU以及内存量进行设置
   $env:CUDA_HOME = $env:CUDA_PATH_V11_1 # CUDA_PATH_V11_1在准备依赖项时已设置好，注意替换CUDA版本
   $env:TORCH_CUDA_ARCH_LIST="8.6" # RTX3090的算力是8.6
   python setup.py build_ext
   python setup.py develop
   pip list # 检查是否安装成功
   

   可以在CUDA的维基百科中查到显卡的算力

---

mmdetection的编译与安装

1. 同上激活环境、下载源码

   cd D:/137/workspace
   conda activate mm
   git clone https://github.com/open-mmlab/mmdetection.git
   cd mmdetection
   

2. 安装python依赖包

   pip install -r requirements.txt
   

3. 打开setup.py，找到extra_compile_args，设置其中'cxx'键的值为['-DMS_WIN64', '-MD']（注：这一步本人不确定是否必需，大家可以试一下）

4. 编译安装mmdetection

   python setup.py build_ext
   python setup.py develop
   

   注：这里会报colorama的错，该模块是用来在命令行print彩色文字的，推测只是信息流print的一些小问题，后续本人使用mmdetection的过程中没有碰到任何问题

   

5. 运行demo.py，测试mmdetection

   注：以下代码修改自官方文档

   demo.py：

   from mmdet.apis import init_detector, inference_detector
   import cv2
   
   config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
   # download the checkpoint from model zoo and put it in `checkpoints/`
   # url: https://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 = 'work_dirs/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
   device = 'cuda:0'
   # init a detector
   model = init_detector(config_file, checkpoint_file, device=device)
   # inference the demo image
   result = inference_detector(model, 'demo/demo.jpg')
   
   img_show = cv2.imread('demo/demo.jpg')
   
   model.show_result(img_show,
                     result,
                     show=True,
                     out_file='work_dirs/demo.jpg',
                     score_thr=0.3)
   
   print(1)
   
   

   代码运行结束后，打开work_dirs/demo.jpg查看检测结果，如下图所示

最后注：pip list会显示mmcv和mmdet的安装目录，因为它们是develop（-e）安装，然后egg-link到指定目录的，不是在对应python的site-packages下安装的。conda list会报错，因为mmcv目录下同时有mmcv和mmcv-full的egg-info，把mmcv.egg-info目录重命名或删除即可。

---

参考

1. WINDOWS 下 MMCV | MMCV-full 的安装
2. mmdetection在windows10系统环境中搭建
3. Windows 10 上安装有 GPU 支持 mmcv-full
4. BUILD MMCV FROM SOURCE