这个mmdet版本的solo真是让我撞了好久好久的墙,这次终于跑通demo了。
SOLO(mmdet1.0版): https://github.com/WXinlong/SOLO
我所连接的是学校配备的服务器,系统是Ubuntu18.04。首先conda是必须的(有时候conda是真的装不上东西不知道为何)。GCC 7.5。CUDA版本预设的是11.1,),最终成功地转到了CUDA10.1 update2的版本。
首先创建python为3.7.3的环境。
conda create -n solo python==3.7.3
conda activate solo
pytorch这里设置为1.4.0, torchvision为0.5.0
pip install torch==1.4.0 torchvision==0.5.0
之后我们clone下版本为 V1.0.0 的mmdetection.(切记一定是这个版本)
git clone -b v1.0.0 https://github.com/open-mmlab/mmdetection.git
cd mmdetection
之后安装所需module:
conda install opencv
pip install cython numpy albumentations==0.3.2 imagecorruptions matplotlib mmcv==0.2.15 numpy Pillow==6.2.2 six terminaltables asynctest codecov flake8 isort pytest pytest-cov pytest-runner xdoctest == 0.10.0 yapf kwarray pycocotools
安装完成之后对环境进行编译:
python setup.py develop
成功之后,在当前mmdetection路径下clone SOLO 并转到SOLO路径:
git clone https://github.com/WXinlong/SOLO.git
cd SOLO
安装所需module并对环境进行编译,这一步会进行很长时间:
pip install scipy
python setup.py develop
成功后会弹出以下提示:
之后我们在SOLO目录下创建名为 checkpoints的文件夹,并把demo所需model存入此文件夹。
Decoupled_SOLO_R50_3x:
https://cloudstor.aarnet.edu.au/plus/s/dXz11J672ax0Z1Q/download
之后
cd demo
python inference_demo.py
如果弹出以下错误,可以忽略不耽误demo出结果。结果图会在demo文件夹中。
之后对于数据集训练的测试过程也会再之后放上来。