win10系统配置Mask DINO经验总结

最新推荐文章于 2024-08-12 08:50:19 发布

白夜繁华尽

最新推荐文章于 2024-08-12 08:50:19 发布

阅读量842

点赞数 1

分类专栏：视觉算法文章标签： python 人工智能 pytorch 目标检测

本文链接：https://blog.csdn.net/weixin_38264564/article/details/131662180

版权

视觉算法专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文详细介绍了在Windows10系统中配置MaskDINO的步骤，包括确认CUDA和PyTorch版本，创建Anaconda虚拟环境，安装相应版本的PyTorch、Torchvision和Torchaudio，解决Detectron2的安装问题，以及处理MaskDINO的依赖库安装。过程中提到了可能遇到的版本兼容性、网络连接超时和VisualStudio缺失等问题及其解决方案。

摘要由CSDN通过智能技术生成

Mask DINO官方是建议在Linux系统中配置他家网络的，但win10也不是不可以。以下为我的实践结果：

1.确认版本

首先通过命令行输入

nvidia-smi

确定自己显卡当前cuda的版本，我的显卡为3090，当前cuda版本为12.2，可以适配低于该版本的cuda工具，由于Mask DINO是基于Detectron2的，需要先安装detectron2，由于detectron2已经被放弃不再更新，所以新版本pytorch可能存在问题。根据这两者的要求，最终我选择安装版本如下：

cuda&cudnn：11.3

pytorch：1.10.1

torchvision：0.11.2

torchaudio：0.10.1

这一步确实坑，有些版本只适配Linux，win10无法pip，折腾了我一天的时间反复试验。‘

2.配置激活虚拟环境

安装好anaconda后输入：

conda create -n maskdino python=3.9
conda activate maskdino

这里推荐使用python 3.9

3.pytorch的安装

激活进入虚拟环境后输入（可能需要更新pip和conda）：

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

安装对应版本的pytorch三件套。如果安装失败，可以试试换清华源/上科技，实在不行可以下载到本地进行安装。

4.detectron2的下载和安装

detectron2下载完成后的安装参考链接，期间会安装几十个库，可能会出现连接超时的情况，多重复运行setup.py即可，如果实在无法拉取到资源，本地安装对应版本亦可。

如果报错“nvcc fatal : nvcc cannot find a supported version of Microsoft Visual Studio.”说明缺失。cuda工具11.3需要的VS2017-2019支持，我下载vs2019社区版解压缩后安装，选择自定义安装完成后重启电脑即可解决报错。

detectron2完成安装后，于根目录创建img和model文件夹，分别存放测试图片和模型权重（模型权重在model zoo下载），在项目根目录命令行可以用以下代码做测试：

python .\demo\demo.py --config-file .\configs\COCO-InstanceSegmentation\mask_rcnn_X_101_32x8d_FPN_3x.yaml --input .\img\1.jpg --output .\img\test.jpg --opts MODEL.WEIGHTS .\model\model_final_2d9806.pkl

具体其他功能可通过

python .\demo\demo.py -h

自行查看。

5.Mask DINO的下载和安装

Mask DINO下载完成后根据官方安装文档参考，需要把requirements.txt中的库全部安装完成，注意有些可能有版本冲突需要协调。我使用的版本如下：

cython==0.29.36
scipy==1.11.1
shapely==2.0.1
timm==0.9.2
h5py==3.9.0
submitit==1.4.5
scikit-image==0.21.0
opencv-python==4.8.0.74

随后在命令行输入：

cd maskdino/modeling/pixel_decoder/ops
python setup.py build install

完成Mask DINO的安装。安装完成后于根目录创建img和weights文件夹，分别存放测试图片和模型权重（模型权重下载），在项目根目录命令行可以用以下代码做测试：

python .\demo\demo.py --config-file .\configs\coco\instance-segmentation\maskdino_R50_bs16_50ep_3s.yaml --input .\img\1.jpg --output .\img\2.jpg --opts MODEL.WEIGHTS .\weights\maskdino_r50_50ep_300q_hid1024_3sd1_instance_maskenhanced_mask46.1ap_box51.5ap.pth

其他功能说明类似detectron2，不赘述。