Linux配置mmsegmentation踩坑记录

Linux下配置MMLab踩坑记录

参考链接

conda create -n mmseg python=3.8

注意，此处的python最好选择3.8，与后续包的版本更匹配

查看对应的CUDA版本（安装的版本要低于CUDA版本），此处建议采用***conda install***的方式

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

使用mim安装

pip install -U openmim
mim install mmengine

mmengine安装如果长时间无响应，尝试手动安装

参考文档

安装 — mmengine 0.10.0 文档

从https://github.com/open-mmlab/mmengine.git下载后，解压上传到服务器

切到该文件夹下的目录，安装

cd mmengine
pip install -e . -v

安装mmcv

mim install "mmcv>=2.0.0"

同理，安装过慢,可尝试，注意，这里官方文档里的有误，具体可以访问下面的网址，找到对应版本的下载链接https://download.openmmlab.com/mmcv/dist/cu111/torch1.8/index.html

pip install mmcv==2.0.0rc4 -f <https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/mmcv-2.0.0rc4-cp38-cp38-manylinux1_x86_64.whl> -i <https://pypi.tuna.tsinghua.edu.cn/simple>

如仍无响应，则手动安装，参考下面的文档

安装 MMCV — mmcv 2.0.0 文档

如果仍不行，则手动下载whl文件https://download.openmmlab.com/mmcv/dist/cu111/torch1.8/index.html

下载后上传到服务器，切换路径后安装，装rc4

pip  install  ./mmcv-2.0.0rc4-cp38-cp38-manylinux1_x86_64.whl

最后，安装

git clone -b main <https://github.com/open-mmlab/mmsegmentation.git>
cd mmsegmentation
pip install -v -e .

同理，可以下载后上传，然后切换目录安装