pytorch 配置opencv_安装配置mmdetection

找工作被虐的惨不忍睹，数据结构与算法被怼的死去活来，计算机系统一点也不会，计算机网络一窍不通，看准了互联网的工资红利，却高估了自己的实力。回归本源，老老实实学习数据结构，刷Leetcode，为了深入理解计算机系统，图书馆里翻了一本陈年《C语言程序设计》，配合着LuckyHan的哥哥翁恺的Mooc，一点一点肯食这神奇的工具。半世浮沉，恍如隔世，在求学的最后的时光里，逐步活出了《舍得》。在看c的时候，各种高大上的gcc -o 等一直晃来晃去，直接擼了一块固态，安装了Ubuntu18.04LTS。花了一天时间连上浙大有线网，大神太多，但是写怎么连有限网的太少了，改天我这渣渣写个有线网教程，毕竟坑里待太久了，估计也有不少人还是跟我一样有困惑，谈CNN/RNN以及各种fancy的deep learning算法可以，连个有线网就僵硬了，毕竟固定ip之类的粗活还是瞧不上的。百无聊赖，看到了知乎推送的Kai chenhttp://chenkai.site/ 的mmdetection，想体验一下sudo apt-get..., cp ...,sudoapt-get autoremove以及别的ubuntu基本指令，遂尝试安装mmdetection，看看装多少次才能跑通。说了很多闲话了，开始正题：

原文Github地址为：https://github.com/open-mmlab/mmdetection

我的环境搭建：

• Ubuntu18.04 LTS
• Python 3.7.4
• Pytorch 1.3（最新的pytorch以及torchvision 0.4.1）
• CUDA 10.1(卸载CUDA10装CUDA10.1装了一万年)
• NCCL 2.4.2
• GCC(G++) 4.9 or higher（4.9/5.3/5.4/7.3）（我的是GCC 5.5 gcc -v查看）
• mmcv

安装步骤：

1. 创建虚拟环境：

conda create -n open-mmlab python=3.7 -y
source activate open-mmlab

2.安装torch环境

conda install pytorch torchvision -c pytorch

3. Git命令克隆mmdetection代码

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection

4. 安装requirements.txt(为了确保预先需求的都安装)

pip install -r requirements.txt

5.安装opencv-python（我安装的是最新版本4.1.1.26）

pip install opencv-python

6.编译mmdetection的配置文件

python setup.py develop
# or "pip install -v -e ."

Visual Studio Code中写入如下代码，验证单张照片是否能够跑通：

from mmdet.apis import init_detector
from mmdet.apis import inference_detector
from mmdet.apis import show_result
import cv2
 
# 模型配置文件
config_file = './configs/faster_rcnn_r50_fpn_1x.py'
 
# 预训练模型文件
checkpoint_file = './checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth'
 
# 通过模型配置文件与预训练文件构建模型
model = init_detector(config_file, checkpoint_file, device='cuda:0')
 
# 测试单张图片并进行展示
img = cv2.imread('./demo/beauty.jpg')
print(img.shape)
x, y = img.shape[0:2]
img_test1 = cv2.resize(img, (int(y / 1), int(x / 1))) #y/1以及x/1表示没有resize
result = inference_detector(model, img_test1 )
show_result(img_test1, result, model.CLASSES)

faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth文件我是预先在如下链接中下载

open-mmlab/mmdetection​github.com

并且偷懒在mmdetection目录下建立文件夹checkpoints，将faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth直接放入checkpoints中，不会出现OLS还是什么OLE错误了。beauty.jpg就是找了一张动漫照片，最后效果如下。

不得不说，OpenMMLab真的太棒了，MMDetection: Open MMLab Detection Toolbox and Benchmark，改天去读一下，后续将基于MMDetection做一点学习，能在Ubuntu中走通实属不易，写此以记录艰辛的学渣学习里程，大神的每一不起眼的小步，对我来说就是个里程碑！

https://arxiv.org/abs/1906.07155​arxiv.org

2019.10.23