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 = 8
cpu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