1. 主要安装包参数
mmcv-full 1.3.0
mmsegmentation 0.20.2
torch 1.8.0+cu111
torchvision 0.9.0+cu111
2. 环境部署
2.1 torch和torchvisio安装
采用的本地安装,安装时需注意torch与CUDA对应关系:
PyTorch 版本 | CUDA 环境 |
---|---|
0.4.1、1.2.0、1.4.0、1.5.0(1)、1.6.0、1.7.0(1) | 9.2 |
1.2.0、1.1.0、1.0.0(1) | 10.0 |
1.4.0、1.5.0(1)、1.6.0、1.7.0(1) | 10.1 |
1.5.0(1)、1.6.0、1.7.0(1)、1.8.0(1)、1.9.0、1.10.0 | 10.2 |
1.7.0(1) | 11.0 |
1.8.0(1)、1.9.0、1.10.0 | 11.1 |
1.8.0(1)、1.9.0、1.10.0 | 11.3 |
安装包下载地址:
https://download.pytorch.org/whl/torch_stable.html
2.2 MMCV安装
采用的离线安装,安装前需注意mmcv与segformer的对应关系:
Segformer模型,对应mmcv-full版本为:MMCV_MIN = '1.1.4',MMCV_MAX = '1.3.0'
考虑到对未来模型的兼容性,选用了mmcv-full=1.3.0。
最终安装:mmcv_full-1.3.0+torch1.8.0+cu111-cp38-cp38-manylinux1_x86_64.whl
链接:https://download.openmmlab.com/mmcv/dist/index.html
2.3 Segformer模型配置
将代码下载到本地后,进入主目录
NVlabs/SegFormer: Official PyTorch implementation of SegFormer (github.com)
pip install -r requirements.txt
pip install -e . --user
运行成功会自动安装mmsegmentation)。
2.3.1 MMSegmentation
如果mmsegmentation安装失败,可以自行安装,安装时需要注意mmcv和mmseg之间的版本对应关系,即:
本次mmcv-full在1.1.4和1.3.2之间,所以选择安装0.12.0版本的mmsegmentation,安装命令如下:
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple mmsegmentation==0.12.0
2.4 运行即可
修改路径,python tools/train.py
参考链接: