MMpose安装实例

摘要：

     这个大数据训练发展较快，各种版本问题，不太好匹配，仅是安装就会大费周章。本文图文并茂的描述了一种成功的安装方式。仅供参考。

      使用的win版本是win11，英伟达显卡是GeForce GTX 1660 SUPER。

1.cuda版本选择

 通过上图可以查询到驱动程序版本是555.85

1. CUDA 12.5 Release Notes — Release Notes 12.5 documentation

 打开以上网页，对比这个，可以安装CUDA12版本。

Start Locally | PyTorch

打开以上网页，这个pytorch还不太支持12.1以上的版本，安装cuda的时候选12.1

https://developer.nvidia.com/cuda-toolkit-archive

打开以上网页，选择这个12.1的cuda版本

2.安装cuda

紧接着，按实际的硬件配置这么选择。选择网络版，包小，让他自己下载安装即可。 

这个安装提示安装就好，没有啥错误。 

 

安装好后进行确认，CUDA_PATH的路径是这个C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1，这个路径就是CUDA的安装路径。

 使用指令nvcc -V确认，

nvcc -V

 

 https://developer.nvidia.com/rdp/cudnn-archive

 打开以上网址，下载这个cuDNN V8.9.7

 下载完成，进入压缩包，对应的执行文件bin,头文件include，库文件lib,复制到对应文件夹

 如此则安装成功。

3.安装torch

通过conda创建虚拟环境

使用这条指令来安装

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

 

 这个指令是这么选的

Start Locally | PyTorch

这个网址

 验证安装

import torch
torch.cuda.is_available

 打印出来不是false就是安装成功了。

4. 使用 MIM 安装 MMEngine 和 MMCV

pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.1"
mim install "mmdet>=3.1.0"

 

 这个第四步好像会报错，需要安装visual studio，

 去微软官网上下载安装即可。

 5.从源码安装（推荐）mmpose

git clone https://github.com/open-mmlab/mmpose.git
cd mmpose
pip install -r requirements.txt
pip install -v -e .
# "-v" 表示输出更多安装相关的信息
# "-e" 表示以可编辑形式安装，这样可以在不重新安装的情况下，让本地修改直接生效

类似下图，一行一行的安装就好。

6.验证安装

 下载一下这两个文件到mmpose文件夹

mim download mmpose --config td-hm_hrnet-w48_8xb32-210e_coco-256x192  --dest .

python demo/image_demo.py tests/data/coco/000000000785.jpg td-hm_hrnet-w48_8xb32-210e_coco-256x192.py     td-hm_hrnet-w48_8xb32-210e_coco-256x192-0e67c616_20220913.pth   --out-file vis_results.jpg  --draw-heatmap

 使用上面的指令验证一下

这个会在这个文件中生成这个图片

 搞到这一步说明这个库已经完成安装了。

费时耗力，不太好搞。