实例分割SOLO & SOLOv2环境配置(ubuntu20.04 + miniconda)

SOLO & SOLOv2环境配置

如果说实例分割绕不开Mask R-CNN，那么SOLOv2作者提到的 Fast，High-quality 和 SOTA 等特性都让人忍不住想试试🧐
开源代码地址：
https://github.com/WXinlong/SOLO

本文基本参照原作者开源代码中的流程配置，主要工作是对步骤进行了本土化处理🤣

昏天黑地配置了一天，各种错误和失败基本总结为两个原因

• 依赖库版本不对应
• 网络不好 (懂的都懂😶)

配置环境

ubuntu20.04 + miniconda
Ubuntu20.04安装Miniconda + Pycharm

新建Python环境

conda create -n solo2 python=3.8

进入虚拟环境

conda activate solo2

如果环境崩了，删除指定环境🙃删除过不下8次，人生要是有重启键可太好了

conda remove -n solo2 --all

安装pytorch，torchvision
第一个大坑！
哈哈，如果使用作者的代码 conda 安装 pytorch 和 torchvision 🤡，你就会体会到什么是痛苦！

conda install pytorch torchvision -c pytorch

两个原因
1 会自动安装最新 pytorch 2.0.0版本，不适配
2 conda 安装时不会配置对应的 CUDA 虚拟环境

开始还不信邪，就要用高版本怎么了🤨！有问题解决问题，看了些大佬贴就膨胀了，遇到报错就查，查完就跑通了😎，查完就有新的报错😇，看到有人说 pytorch 降到 1.4.0 就行，放弃幻想，准备斗争，准备妥协！

第二个坑！
官方pytorch历史版本下载网站
https://pytorch.org/get-started/previous-versions/
这里的安装指令只有 1.11.0 版本往后的才能用，之前的版本都会报错找不到，想要安装 pytorch 1.4.0 版本还需要另寻他路，大部分文章都是用官方的地址让在里面找，确实能找到，安装不了是真的😐。

山重水复疑无路，柳暗花明又一村
偶然找到离线版本下载地址，只需要下载对应的whl文件就可以本地安装了！
离线版本下载网站
https://download.pytorch.org/whl/torch_stable.html
在网站里下载需要的对应版本pytorch和torchvision，本文下载的文件分别是 cu101/torch-1.4.0-cp38-cp38-linux_x86_64.whl 和 cu101/torchvision-0.5.0-cp38-cp38-win_amd64.whl

在文件所在目录打开终端，确认在对应的虚拟环境中，如果不在就再进一次虚拟环境

conda activate solo2

在虚拟环境中按顺序安装离线文件
使用阿里云镜像源解决部分依赖项下载慢的问题！

pip install torch-1.4.0-cp38-cp38-linux_x86_64.whl
pip install torchvision-0.5.0-cp38-cp38-linux_x86_64.whl -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

下载SOLO源代码

# git clone或者直接下载压缩包，后续会更改的话推荐下载压缩包
git clone https://github.com/WXinlong/SOLO.git
# 进入目录
cd SOLO

安装依赖
通过github repo而不是pypi来安装pycocotools，因为pypi的版本很旧，与最新的numpy不兼容

2023 04 27更新
安装依赖之前可以先规定 requirements/runtime.txt 文件中 numpy 的版本，防止后续报错
‘numpy’ has no attribute ‘bool’
修改后文件如下

matplotlib
mmcv==0.2.16
numpy==1.23
scipy
# need older pillow until torchvision is fixed
Pillow<=6.2.2
six
terminaltables
torch>=1.1
torchvision

继续安装依赖

pip install -r requirements/build.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
# 安装pycocotools
# 官方 pip install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI" 出错，代替方案如下
pip install "git+https://gitee.com/wsyin/cocoapi.git#subdirectory=PythonAPI" -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

安装SOLO

pip install -v -e . -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com 
# or "python setup.py develop -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com"

测试demo

作者提供了 inference_demo.py 文件运行简单的demo

在SOLO目录下创建 checkpoints 文件夹

mkdir checkpoints

下载对应模型的权重放入 checkpoints 文件夹

更改权重路径 checkpoint_file 和对应的模型路径 config_file 以及图像读取路径
如果是终端运行最好将所有路径改为绝对路径防止出错

运行demo
在SOLO目录打开终端运行

python demo/inference_demo.py

第一次运行时报错
AttributeError: module ‘numpy’ has no attribute ‘bool’

问题原因
numpy的1.24版本弃用了np.bool这个名称，使用np.bool_

解决方案
2023 04 27更新
方法一：降低numpy版本到1.23
卸载当前虚拟环境中的numpy

pip uninstall numpy

安装1.23版本的numpy

pip install numpy==1.23 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

方法二：更改报错位置
建议降低版本，因为后续还有很多类似的冲突，越改越多 🤣
将np.bool更改为np.bool_
具体地，更改 SOLO/mmdet/apis/inference.py 文件的 276 行
“~/SOLO/mmdet/apis/inference.py”, line 276

# 更改前
cur_mask_bool = cur_mask.astype(np.bool)
# 更改后
cur_mask_bool = cur_mask.astype(np.bool_)

再次运行可以输出结果图片，配置成功✅

增加时间检测函数测试不同模型和权重的处理效率

import time
import torch
def time_synchronized():
    torch.cuda.synchronize() if torch.cuda.is_available() else None
    return time.time()
t_start = time_synchronized()
# ...运行程序...
t_end = time_synchronized()
print("Timecosts: {}".format(t_end - t_start))

接下一篇实例分割SOLO & SOLOv2训练自建数据集(ubuntu20.04 + miniconda)