MMSeg全流程实战Day2
从今天起进入实战环节,第一天主要是配置环境
提示:以下是本篇文章正文内容,下面案例可供参考
一、确定环境
我目前使用的电脑是MacBook,十分不适合进行深度学习的实验,所以在本次实战中会借助到OpenBayes这个平台,在此之前要选择合适的环境和配置,这里选择的是Python3.8和torch1.10.x+cuda11.3。虽然不是最新的,但是成功率较高。
二、安装mmsegmentation
1.安装mmcv
打开mmcv的官方文档:link
我们直接选最新的文档既可,之前我们已经确定过版本了,这里就省略确认版本的步骤,直接在终端中输入如下代码开始安装openmim。
pip install -U openmim
注意我们不用以下这段代码进行安装,因为这样可能造成版本问题。
mim install mmcv
往下找,会找到通过pip进行安装,选择正确的版本进行安装即可。
下面是符合我购买的云主机环境的mmcv版本,各位也可以根据自己的需要进行选择。在终端中执行以下命令,开始进行安装。
pip install mmcv==2.0.0rc4 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10/index.html
安装过程可能会有点慢,等等即可。
2.安装mmsegmentation
到了目前为止,我默认已经正确的安装了mmcv,现在开始继续安装mmsegmentation。
在终端中执行以下命令,安装mmengine。
mim install mmengine
安装mmsegmentation有两种方式,但是在一般的流程中我们都要调整我们的模型,构筑自己的算法,所以一般从源码去安装,当然一般也会把mmsegmentation 作为依赖库或者第三方库安装上。
以下为通过源码安装:
git clone -b main https://github.com/open-mmlab/mmsegmentation.git
cd mmsegmentation
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
以下是作为依赖库安装:
pip install "mmsegmentation>=1.0.0"
3.测试安装mmsegmentation是否成功
直接依次运行以下代码即可。
mim download mmsegmentation --config pspnet_r50-d8_4xb2-40k_cityscapes-512x1024 --dest .
python demo/image_demo.py demo/demo.png configs/pspnet/pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth --device cuda:0 --out-file result.jpg
总结
完成以上步骤mmcv和mmsegmentation就算是安装好了。若安装过程中遇到报错再去百度查阅相依的解决方案即可,这里不再赘述,成功的安装环境是学习的第一步,也是一大步,希望接下来的课程能够顺利进行。