swin transformer目标检测环境搭配

代码下载及环境配置

swin transformer目标检测官网源码此页面下拉，顺便下载权重文件，放在源码的根目录

安装[VS2019]

要用里面的一个编译软件去编译文件。(https://learn.microsoft.com/zh-cn/visualstudio/releases/2019/release-notes)，建议装2017-2019版，其他版本可能会出现一些bug，够勾选如图所示，然后再配置系统环境变量，这是我的环境变量D:\VS\Community\VC\Tools\MSVC\14.29.30133\bin\Hostx86\x64打开cmd，输入cl查看安装是否成功

python环境

pytorch安装

提前使用conda创建环境，我使用的是python3.8。随后cmd输入nvcc -V，查看CUDA版本，我的CUDA是版本是11.1，可以conda按照pytorch官网按照对应的命令进行安装，不过速度比较慢。因为我是直接下载轮子，然后进行安装。图中链接的cu111是cuda的版本，这换成自己的版本，然后下载对应的三个包，三个包的对应版本要参考pytorch官网。我建议CUDA版本最好不要超过11.1，我之前使用的11.6版本最后因为一系列的问题，导致环境配置不成功。如果还没安装CUDA的小伙伴，我建议可以直接试试我的这套环境，CUDA是11.1，torch版本如下。安装轮子，先进入conda创建的环境里，然后
pip install D:\whl\torch-1.8.0+cu111-cp38-cp38-win_amd64.whl
就ok了（后边的是轮子的路径）

MMDetection2.20版本：下载地址
mmcv：1.3.17版本下载地址
apex:22.03版本下载地址
关于版本的选择，如图所示

安装mmvc

打开conda的powshell，进入创建的环境。

然后进到mmcv的包里，例如 cd +包的路径，执行pip install -r requirements.txt安装该包的依赖包，
$env:TORCH_CUDA_ARCH_LIST="8.6"设置显卡算力英伟达显卡算力查询，
$env:MMCV_WITH_OPS = 1，
$env:MAX_JOBS = 8cpu核心数，只能小于等于自己的PC配置
继续执行下边代码

python setup.py build_ex
python setup.py develop

最后验证是否安装成功

conda list

MMDetection安装

首先，打开文件夹，进行以下修改，如下图所示


然后在powershell进到mmcv的包里，例如 cd +包的路径。
执行pip install -r requirements.txt，
继续执行python setup.py develop，随后可以继续进行验证。

apex安装

我这套环境建议使用最早的版本，不然可能会报错。继续进到apex的包里，执行python setup.py install，接着进行验证就哦ok了。

最后一步

在我们之前的虚拟环境下，进入我们之前下载好的源码包目录里，例如，cd D:\swin\Swin-Transformer-Object-Detection-master
执行python setup.py develop
，到这里，环境基本上就搭建好了。
直接运行代码

python demo/image_demo.py demo/demo.jpg configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py mask_rcnn_swin_tiny_patch4_window7.pth

第一部分是图片路径，第二部分是使用的模型路径，第三部分是下载的权值文件路径。
效果如下，源码里检测结果没有显示下边的数值信息。

后边有时间再写点训练的过程。全文参考