【超详细】记录从零开始学mmdetection（一）

(一)环境配置

本专题是为了记录学习mmdetection的过程，包括mmdetection的配置、代码的讲解，如何使用mmdetection训练自己的数据集。本节只记录第一部分，环境配置过程。本专题主要是在Linux下配置的，因为mmdetection在linux系统下较为友好，当然也可在windows10下配置，配置过程在我之前的博客中可以找到，在windows下配置较为复杂，建议大家在Linux下配置。

1. mmdetection介绍

mmdetection是商汤科技和香港中文大学开源的一个基于Pytorch实现的深度学习目标检测工具，支持Faster-RCNN、Mask-RCNN、YOLOV3、CascadeRcnn等目标检测框架，其主要特点是，模块化设计、支持多种目标检测模型、使用起来较为方便。

2. mmdetection配置

首先介绍一下自己的环境，Ubuntu20.04+cuda11.0。
mmdetection有以下要求，安装时需要注意，不要安装太早的版本。

• Python 3.6+
• PyTorch 1.3+
• CUDA 9.2+ (If you build PyTorch from source,CUDA 9.0 is also compatible)
• GCC 5+

2.1 下载源码

代码链接https://github.com/open-mmlab/mmdetection
首先先将代码clone到本地，在你想放代码的路径中打开终端，输入
git clone https://github.com/open-mmlab/mmdetection.git
如果下载失败，或者下载较慢的话，可以用使用github的镜像下载。代码文件夹如下图所示。

2.2 环境配置

因为我们需要GPU进行加速运算，这里默认大家已经配置好了cuda+cudnn，没有安装的同学可以先自行百度如何安装，后续我会出一个安装的教程。

2.2.1 创建虚拟环境：

首先在终端输入cd mmdetection。创建一个虚拟环境命名为mmd，在终端输入命令
conda create -n mmd python=3.7
创建完虚拟环境后，先激活虚拟环境，输入
conda activate mmd

2.2.2 安装pytorch:

前面介绍到mmdetection是基于Pytorch的，需要先安装一个Pytorch。打开Pytorch官网选择你安装对应的版本，如果你跟我的版本一样也是cuda11.0，则在终端输入
conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 -c pytorch若显示安装超时，再输入一遍即可。下载速度慢的话，可以更换conda的镜像源，更换镜像源以后，将-c pytorch去掉。

2.2.3 安装mmcv:

打开mmcv安装网站，如下图所示

找到对应cuda和pytorch版本的代码，注意需要把{mmcv_version}改为你想安装的mmcv的版本。如果跟我配置一样输入
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu110/torch1.7.0/index.html
这里注意！mmcv和下面安装的mmdet有版本对应关系，关系如下，安装时一定要注意。

MMDetection version	MMCV version
master	mmcv-full>=1.3.17, <1.5.0
2.19.0	mmcv-full>=1.3.17, <1.5.0
2.18.0	mmcv-full>=1.3.17, <1.4.0
2.17.0	mmcv-full>=1.3.14, <1.4.0
2.16.0	mmcv-full>=1.3.8, <1.4.0
2.15.1	mmcv-full>=1.3.8, <1.4.0
2.15.0	mmcv-full>=1.3.8, <1.4.0
2.14.0	mmcv-full>=1.3.8, <1.4.0
2.13.0	mmcv-full>=1.3.3, <1.4.0
2.12.0	mmcv-full>=1.3.3, <1.4.0
2.11.0	mmcv-full>=1.2.4, <1.4.0
2.10.0	mmcv-full>=1.2.4, <1.4.0
2.9.0	mmcv-full>=1.2.4, <1.4.0
2.8.0	mmcv-full>=1.2.4, <1.4.0
2.7.0	mmcv-full>=1.1.5, <1.4.0
2.6.0	mmcv-full>=1.1.5, <1.4.0
2.5.0	mmcv-full>=1.1.5, <1.4.0
2.4.0	mmcv-full>=1.1.1, <1.4.0
2.3.0	mmcv-full==1.0.5
2.3.0rc0	mmcv-full>=1.0.2
2.2.1	mmcv==0.6.2
2.2.0	mmcv==0.6.2
2.1.0	mmcv>=0.5.9, <=0.6.1
2.0.0	mmcv>=0.5.1, <=0.5.8

2.2.4 安装mmdet

在命令行内输入pip install mmdet即可

2.2.5 验证安装

在mmdetection中新建.py文件，先验证pytorch安装成功

import torch
print("torch和cuda是否安装成功："，torch.cuda.is_available())

输出“torch和cuda是否安装成功： True“证明安装成功

验证mmdetection是否安装成功。
从https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn中下载权重，在mmdetection中新建一个文件夹checkpoints，将下载好的权重放入文件夹中，在终端输入以下代码。

python demo/image_demo.py demo/demo.jpg configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth

若安装正确，则输出以下结果。

3. 本节结束语

到此，mmdetection的环境配置已经完成，如果安装过程中出了什么错，可以在评论中留言大家讨论，如果有步骤错误的地方也请大佬指正。下一次更新mmdetection中的各个文件的含义，创作不易求大佬们点赞，感谢各位大佬。