用实验室服务器运行mmcv时发现官方文档废话太多了,于是准备写一篇linux从零搭建mmcv环境的文章,记录一下。
一、安装MMCV
1.1 安装环境
1.1.1 conda
创建一个新的conda环境
conda create --name mmcv python=3.8 -y
conda activate mmcv
1.1.2 安装pytorch
选择和cuda版本对应的pytorch,如果没有对应,可以安装比自己cuda版本低的对应的cuda
- 查看目前cuda版本
nvidia-smi
- 安装对应pytorch
从pytorch官网一键安装
https://pytorch.org/get-started/locally/
或者根据选择特定版本安装
https://pytorch.org/get-started/previous-versions/#linux-and-windows-10
我选择安装torch 2.0.0,其中对应cuda版本为11.8
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118
安装完成后可以查看是否成功
python -c 'import torch;print(torch.__version__);print(torch.version.cuda)'
1.1.3 安装MMCV
在mmcv官网选择对应的版本进行安装
pip install mmcv==2.0.0 -f https://download.openmmlab.com/mmcv/dist/cu118/torch2.0/index.html
此时安装已经全部完成了
其中如果想要进一步学习mmsegmentation,mmpretrain,可能需要安装mim,下面是安装mim命令
pip install -U openmim
1.2 构建MMCV
1.2.1 克隆mmcv
建议直接git克隆github代码,如果不方便也可以去网站下下来直接解压
git clone https://github.com/open-mmlab/mmcv.git
cd mmcv
1.2.2 安装依赖
ninja
and psutil
pip install -r requirements/optional.txt
1.2.3 开始构建
比较慢
pip install -e . -v
1.2.4 检测安装是否成功
现在mmcv已经安装完成了,可以运行有效性代码检验一下
python .dev_scripts/check_installation.py
出现类似下面的代码就说明成功了
Start checking the installation of mmcv ...
CPU ops were compiled successfully.
CUDA ops were compiled successfully.
mmcv has been installed successfully.
Environment information:
------------------------------------------------------------
sys.platform: linux
Python: 3.8.18 (default, Sep 11 2023, 13:40:15) [GCC 11.2.0]
CUDA available: True
MUSA available: False
numpy_random_seed: 2147483648
GPU 0,1,2,3: NVIDIA GeForce RTX 3090
CUDA_HOME: /usr
NVCC: Cuda compilation tools, release 11.3, V11.3.58
GCC: gcc (Ubuntu 7.5.0-3ubuntu1~18.04) 7.5.0
PyTorch: 1.12.0
//...还有好多