本文实践基础为:
- NVIDIA驱动
- CUDA10.2
- cuDNN v8
上面三个组件安装有问题的地方可以参考 李森科在zhihu:深度学习Workspace - 从装电脑到跑代码(Linux/Ubuntu)。需要注意的是上述教程里的CUDA是11.0的版本,为了确保本时期PyTorch能够正常匹配,所以安装了CUDA10.2的版本,请读者注意区别。
另外,本文称为“实践记录”而不是“教程”的原因是:mmdetection版本更新很快,现在能用的demo代码以后可能要稍作修改,因此仅供参考。
记录日期:2020.9.24。
下面开始正文。文章叙述的顺序与官方tutorial一致,其中tutorial中未提到的以及有误的地方,本文会一一提及。
1 新建并进入一个名为open-mmlab的虚拟环境。
conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab
2 安装CUDA10.2的PyTorch。
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
3 查看一下PyTorch的版本,是1.60。
conda list pytorch
4 安装CUDA10.2,PyTorch1.60的mmcv。
![b43396019c75ffe0d0ca74880b1355b6.png](https://i-blog.csdnimg.cn/blog_migrate/03514a004f6a477e190dd8f35aaafb87.png)
pip install mmcv-full==latest+torch1.6.0+cu102 -f https://openmmlab.oss-accelerate.aliyuncs.com/mmcv/dist/index.html
在mmcv安装完成后,我们需要注意到mmcv是虚拟环境中的一个包,而mmdetection是一个项目。
5 将mmdetection下载到本地,并进入到文件夹。
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
6 安装mmdetection的依赖文件。
pip install -r requirements/build.txt
python setup.py develop
安装完成后最后一行会出现:Finished processing dependencies for mmdet==2.4.0
恭喜你完成安装!