Open-MMlabe安装-环境搭建（Windows)

一、源码下载

GitHub - open-mmlab/mmdetection: OpenMMLab Detection Toolbox and Benchmark
如果网络不好或者下载很慢的话可以去gitee上面下载搬运的源码。
源码下载完成后，解压到mmdetection。
解压后如下图：

二、环境搭建

2.1Anaconda(Miniconda)安装

Anaconda安装可以参考这篇博客，Miniconda安装同理，这里就不在赘述。

2.2虚拟环境创建

在mmdetection下打开Anaconda Powershell Prompt窗口，输入命令

conda create --name openmmlab python=3.8 -y
conda activate openmmlab

2.3依赖安装

2.3.1 CUDA&cuDNN安装

2.3.1.1 安装CUDA

鼠标右键，打开NVIDIA控制面板
使用下图方式查看应该驱动版本号，这里的版本号是 456.71

我们可以在 CUDA 12.2 Release Notes 查看支持的 CUDA 版本，如下图所示

这里只展示部分版本，其余版本自行查看
点击 https://developer.nvidia.com/zh-cn/cuda-toolkit 进入官网，下载对应驱动。
下载完成后，双击下载的exe文件，一直下一步即可。
安装完成后记得打开Anaconda Powershell Prompt (Miniconda3)，输入env查看CUDA_PATH是否已被自动设置，如下图：

如果上图没有显示 CUDA_PATH，则使用如下命令设置（切记 cuda 的版本要正确）

$env:CUDA_HOME = "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7" 
# OR 
$env:CUDA_HOME = $env:CUDA_PATH_V11_7 # if CUDA_PATH_V11_7 is in envs: 

输入 nvcc --version 查看是否配置成功,如果成功，则为下图:

2.3.1.2 安装cuDNN

• 点击 https://developer.nvidia.com/rdp/cudnn-archive 进入官网
• 选择对应的 cuDNN 版本
• 下载完成后解压
• 将里面的文件拷贝到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7

2.3.2 安装Pytorch

这里我们安装GPU版本的pytorch，基于官网，选择对应的版本安装：

2.3.3 安装openmim、mmengine、mmdet、mmcv

pip install openmim mmengine 
mim install mmdet
mim install "mmcv>=2.0.0"

2.4验证安装

1. 我们需要下载配置文件和模型权重文件。

mim download mmdet --config rtmdet_tiny_8xb32-300e_coco --dest .

2. 推理验证。

python demo/image_demo.py demo/demo.jpg rtmdet_tiny_8xb32-300e_coco.py --weights rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth --device cpu

如果在当前文件夹下面新出现了一个outputs文件夹，并且里面可以看到一个新的图像demo.jpg，说明环境搭建成功。

注意：如果遇到pycocotools的报错问题，请尝试卸载pycocotools然后在使用

conda install pycocotools -c conda-forge

重新安装pycocotools