mmdetection2.0

最新推荐文章于 2023-07-08 12:00:02 发布

H.X.L.Y.T.T

最新推荐文章于 2023-07-08 12:00:02 发布

阅读量633

点赞数

分类专栏： mmdetection2.0 文章标签： pytorch 深度学习 python

本文链接：https://blog.csdn.net/qq_45386752/article/details/122452929

版权

mmdetection2.0 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

win11配置mmdetection2.13

windows11+cuda10.2+mmdetection2.13.0+mmcv1.3.8+pytorch1.8+anaconda（爆肝两天终于在win11上跑通了mmdetection2.0，文中链接来自于其他用户，非原创）

Q&A

注意：整个过程中遇到的问题主要是mmcv和pytorch和mmdetection之间的版本不匹配问题，因此需要在安装前提前看好版本对应关系

mmdetection版本不匹配mmcv的话可以直接删掉mmdetection的文件夹，重新下载匹配的mmdetection重新安装一下即可
不要安装多个版本的mmcv即便是不同conda环境仍然有问题（可能是我自己装混乱了）
VS请选择2017或2019，一开始装的2022后来报错，但是跳的太快，瞟到一眼说VS版本必须在2019-x之间（x没看清），于是果断卸载2022，重装2019，没有任何问题
conda建议换源，北外或者北交(14条消息) anaconda 换源大全（清华源很慢）_Lejeune的博客-CSDN博客_anaconda换源之后还是慢
conda和pip可以混用，都可以装到当前环境
需要使用powershell，cmd不行

安装cuda10.2

上官网即可

安装VS2019

上官网即可，尽量选择2017，或者2019版本比较稳定

安装anaconda

上官网即可，基本没有问题

安装pytorch

注意：mmcv=1.3.x对应torch=1.x.0

Pytorch官网Previous PyTorch Versions | PyTorch

例如# CUDA 10.2
conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=10.2 -c pytorch #-c -torch即使用官网源码编译，若使用清华源等则不用写

安装mmcv

推荐官网用源码安装（这里直接安装mmcv-full最全的版本，官网有精简版）

从源码编译 MMCV — mmcv 1.4.3 文档

准备工作

准备 MMCV 源代码（注意：切记要去github找对应pytorch版本的mmcv版本，否则默认最新版，会报版本不匹配错误错）

git clone https://github.com/open-mmlab/mmcv.git #可以直接从github上下载指定版
cd mmcv-1.x.0                                    #本的mmcv，解压后就能得到一个                                                  #mmcv-1.x.0的文件夹

安装所需 Python 依赖包

pip3 install -r requirements/runtime.txt

建议安装 ninja 以加快编译速度（非必须，有些低版本mmcv根本没有optional.txt因此不安装也没关系）
```
pip install -r requirements/optional.txt
```
设置 MSVC 编译器

设置环境变量。添加 C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.27.29110\bin\Hostx86\x64 到系统环境变量中的 PATH，则 cl.exe 可以在命令行中运行，如下所示。(windows命令行不会直接更新，重新打开cmd就可以了)
```
(base) PS C:\Users\xxx> cl
Microsoft (R) C/C++ Optimizing  Compiler Version 19.27.29111 for x64
Copyright (C) Microsoft Corporation.   All rights reserved.

usage: cl [ option... ] filename... [ / link linkoption... ]
```

设置环境变量

设置环境变量（我自己的电脑是1050ti因此设置的MAX_JOBS为4，官网默认给的8）

$env:MMCV_WITH_OPS = 1
$env:MAX_JOBS = 4  # 根据你可用CPU以及内存量进行设置

检查 CUDA_PATH 或者 CUDA_HOME 环境变量已经存在在 envs 之中

(base) PS C:\Users\WRH> ls env:

Name                           Value
----                           -----
CUDA_PATH                      C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
CUDA_PATH_V10_1                C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
CUDA_PATH_V10_2                C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

如果没有，你可以按照下面的步骤设置

$env:CUDA_HOME = "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2"
# 或者
$env:CUDA_HOME = $env:CUDA_PATH_V10_2  # CUDA_PATH_V10_2 已经在环境变量中

设置 CUDA 的目标架构

$env:TORCH_CUDA_ARCH_LIST="6.1" # 支持 GTX 1080 #建议直接用这个
# 或者用所有支持的版本，但可能会变得很慢
$env:TORCH_CUDA_ARCH_LIST="3.5 3.7 5.0 5.2 6.0 6.1 7.0 7.5"

编译安装

安装

$env:MMCV_WITH_OPS = 1
$env:MAX_JOBS = 4 # 根据你可用CPU以及内存量进行设置
conda activate mmcv # 激活环境
cd mmcv  # 改变路径
python setup.py build_ext  # 如果成功, cl 将被启动用于编译算子
python setup.py develop # 安装
pip list # 检查是否安装成功

安装mmdetection

注意：mmdetection对mmcv版本有要求，且仍然建议用源码安装

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xv2ASstL-1641968985464)(F:\知识总结\图片\v2-c8cb58dffa9bea374d11837600e16065_r.jpg)]

在官网找到合适版本的源码下载然后解压会得到一个文件夹

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ySfj7yoh-1641968985465)(F:\知识总结\图片\image-20220112141436317.png)]

cd mmdetection-2.x.0   
pip install -r requirements/build.txt   
pip install -v -e .

测试

首先需要在mmdetection目录下新建一个checkpoints目录，下载FasterRcnn的权重到这个文件夹中，下载的地址是：

https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth

在命令行中cd到mmdetection的路径，执行下列代码

python demo/image_demo.py demo/demo.jpg configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth