Win11系统安装mmsegmentation-1.2.2

1.创建一个 conda环境并激活

打开Anaconda prompt，在base环境中输入以下指令：

conda create -name mmseg python=3.9 -y  # 创建mmseg环境

conda activate mmseg  # 激活创建的环境

2.安装PyTorch

打开Pytorch官网---->GET STARTED---->Previous PyTorch Versions。根据电脑配置找到对应版本下载。(下面是我选择的版本)

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

安装完进入Python，输入下面的命令，检查torch是否装好可用

exit()   # 退出python

3.使用MIM安装MMCV

继续输入以下指令安装MMCV：

pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.0"

4.安装MMSegmentation

这里通过源码的方式安装

git clone -b main https://github.com/open-mmlab/mmsegmentation.git    

#  使用git前电脑上需要先安装Git软件
cd mmsegmentation       # 进入mmsegmentation路径

pip install -v -e .

#'-v'表示详细模式，更多的输出

#'-e' 表示以可编辑模式安装工程

# 因此对代码所做的任何修改都生效，无需重新安装

安装完，pip list一下，查看mmsegmentation是下面这种就可以了

5.验证安装是否成功（mmsegmentation路径下验证）

以pspnet为例，下载模型的配置文件和模型权重，对图片demo进行分割。

(1)下载配置文件和模型文件。

mim download mmsegmentation --config pspnet_r50-d8_4xb2-40k_cityscapes-512x1024 --dest .

下载结束在mmsegmentation文件中可以看到两个文件，一个.py后缀的配置文件一个.pth后缀的模型文件。

(2)验证预测程序demo。

python demo/image_demo.py demo/demo.ononTldS/pspnet/pspnet r50-08 4xb2-40k_cityscapes-512x1024.py pspnet_r50-d8_512x1024_40k_cityscapes20200605 003338-2966598c.pth--device cuda:0 --out-file result.jpg

运行结束后在mmsegmentation文件夹中看到一个新图像result.jpg，其中所有目标都覆盖了mask。

6.安装GDAL库

GDAL 是一个用于栅格和矢量地理空间数据格式的转换库。安装 GDAL 可以读取复杂格式和极大的遥感图像。

conda install GDAL    # 安装GDAL库

在pycharm中配置刚才创建的python解释器。

选择模型，根据需要修改相关参数，准备好预处理的数据集，训练模型。

注：

①二分类问题背景和前景标签值设为0和1，其他以此类推。

②存放数据的路径要按如下格式。

mmsegmentation
├── mmseg
├── tools
├── configs
├── data    # 在mmsegmentation根目录中创建一个存放数据集的文件夹
│   ├── dataset1    # 数据集名称     
│   │           ├── annotations    # 放labels
│   │           │   ├── training   # 训练的labels放到这个文件夹
│   │           │   ├── validation # 验证的labels放到这个文件夹
│   │           ├── images         # 放images
│   │           │   ├── training   # 训练的images放到这个文件夹
│   │           │   ├── validation # 验证的images放到这个文件夹

参考：

mmsegmentation安装教程，简单易懂，必能成功_mmseg安装-CSDN博客

开始：安装和运行 MMSeg

使用mmsegmentation1.2.2训练多波段tif数据（这一篇就够了）