Windows 10 安装 openmmlab的mmediting

本文详细指导了在Windows 10环境下安装CUDA 11.7,然后配合适当版本的PyTorch,进行mmcv-full的安装,并进一步演示了如何在github上获取和测试MMErasing的超分辨率修复功能。通过实际操作,展示了从下载源码到运行demo的全过程。
摘要由CSDN通过智能技术生成

1. 安装mmcv

(如果是cpu版本的请跳到1.2)

1.1 安装依赖库

1.1.1 安装cuda

nvdia官网下载cuda,根据自己的电脑配置去选择,我现在安装的是cuda11.7
在这里插入图片描述

1.1.2 安装pytorch

根据python版本和cuda版本安装pytorch
因为我的pyhton版本是3.8,
cuda版本11.7虽然没在pytorch的需求版本内,但是cuda是可以向下兼容的,因此我选择11.6
访问 https://download.pytorch.org/whl/torch_stable.html
下载三个文件
torchaudio-0.12.1+cu116-cp38-cp38-win_amd64.whl
torch-1.12.1+cu116-cp38-cp38-win_amd64.whl
torchvision-0.13.0+cu116-cp38-cp38-win_amd64.whl
并安装,在文件所在的目录执行cmd命令:

pip install torch-1.12.1+cu116-cp38-cp38-win_amd64.whl
pip install torchaudio-0.12.1+cu116-cp38-cp38-win_amd64.whl
pip install torchvision-0.13.0+cu116-cp38-cp38-win_amd64.whl

1.2 安装mmcv

mmcv有GPU版本mmcv-full和CPU版本mmcv-lite
由于我们这个需要GPU版本,因此执行cmd命令:

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu116/torch1.12.1/index.html

如果需要安装特定版本的mmcv-full
例如安装mmcv-full版本1.3.9
则执行cmd命令:

pip install mmcv-full==1.3.9 -f https://download.openmmlab.com/mmcv/dist/cu116/torch1.12.1/index.html

2. 安装mmediting

2.1 上github下载mmediting源码

访问 https://github.com/open-mmlab/mmediting 下载源码到本地

2.2 安装mmediting

去到mmediting源码根目录
执行cmd命令:

pip3 install -e .

3. 测试mmediting demo

3.1 准备测试

新建项目文件夹mmediting_test
进入项目文件夹
新建文件夹configs,并下载文件
https://github.com/open-mmlab/mmediting/blob/master/configs/restorers/esrgan/esrgan_psnr_x4c64b23g32_g1_1000k_div2k.py
到文件夹内

新建文件夹work_dirs,并下载文件
https://download.openmmlab.com/mmediting/restorers/esrgan/esrgan_psnr_x4c64b23g32_1x16_1000k_div2k_20200420-bf5c993c.pth
到文件夹内

回到项目文件夹
下载 超分辨率 demo 代码 到项目根目录
https://github.com/open-mmlab/mmediting/blob/master/demo/restoration_demo.py

复制测试图片test.jpg 到项目文件夹内
此时项目文件的结构为

mmediting_test
|–configs
|–work_dirs
|–test.jpg
|–restoration_demo.py

3.2 测试超分辨率修复效果

执行cmd命令:

python restoration_demo.py ./configs/srgan_config.py ./work_dirs/esrgan_psnr_x4c64b23g32_1x16_1000k_div2k_20200420-bf5c993c.pth test.jpg test_out.jpg --imshow

修复前:
分辨率682 x 384

修复后:
分辨率2728 x 1536

总结

图片修复效果还行,但是如果遇到纯色区域较多的图片,修复效果则会大打折扣(不够丝滑)
例如:
原图压缩
在这里插入图片描述
修复后
在这里插入图片描述
原图
在这里插入图片描述

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值