mmdetectoin3d的安装（2020.8.7）

之所以会写这篇文章，也算是对自己过去几天干的事情的一种总结。之所以会在题目中加上时间，是因为，这个开源的框架一直在处于不断的更新之中，不排除过一段时间，官方给的安装方式发生变化。

回想起来，之所以会想着学一下这个框架，是因为自己现在要做类似的3d检测的项目，但是由于之前一直做的是2d的目标检测，虽然3d的目标检测方法中，很多是以2d目标检测的方法为基准的，但是还是有区别的，而且区别我个人感觉，还是不小。稀里糊涂的找了一些相关的论文看了之后，发现一篇论文‘’Deep Hough Voting for 3D Object Detection in Point Clouds‘’，这是大佬何凯明团队在2019年发表的论文，发明了votenet这个方法来进行3d检测，感觉这篇论文跟自己当前的项目很像，都是针对rgb-d图像来做。然后找了官方给的源代码，本来想着按照官方的源代码去跑一遍，但是很可惜，第一步就提示出错，而且出的错让我很懵逼，完全不知道啥原因。后来，看了一篇文章，介绍了mmdetection3d,才发现这个框架很牛逼，将votenet这些框架都放在了里面，不仅仅可以用来预测，还可以用来训练。所以，就开始研究怎么装上这个框架，但是，很可惜，网上公开的安装流程，都是已经过时了的，所以，直接选择去mmdetection3d的官网去看怎么安装。安装过程中可能由于自己网络的问题，不是很顺畅，也踩了一些坑。写下这篇文章，供大家参考一下。

大家有兴趣，可以去看看官方的文档，链接如下：https://github.com/open-mmlab/mmdetection3d/blob/master/docs/install.md

好了，进入正题：
首先，这个框架当前只支持macos和Linux，可能不久之后就支持windows了，基本要求如下：

Linux or macOS (Windows is not currently officially supported)
Python 3.6+
PyTorch 1.3+
CUDA 9.2+ (If you build PyTorch from source, CUDA 9.0 is also compatible)
GCC 5+
mmcv

然后，官方给的教程中是用conda来进行一系列的环境配置，由于我是第一次按照官网的教程进行配置，所以直接按照教程来了，至于能不能直接Pip而不安装conda来进行环境的配置，大家有兴趣可以试试。

so，当你安装conda之后，就可以开始安装虚拟环境了。命令行如下：

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab

第一行命令的含义就是创建一个虚拟环境，在这个环境中，安装的是python3.7,第二行的含义是打开虚拟环境。

当我们打开虚拟的环境之后，就要开始安装pytorch版本了，官网给的命令是：

conda install pytorch torchvision -c pytorch
conda install pytorch cudatoolkit=10.1 torchvision -c pytorch
conda install pytorch=1.3.1 cudatoolkit=9.2 torchvision=0.4.2 -c pytorch

以上三行命令选择一行输入就行，但是，不知道是不是由于我这的网络问题，我一直装不上，当我使用上面的命令行之后，会安装很多包，我也不知道这些包怎么选的。这些包中，小的包还好，当下载的顺序到了pytorch这些比较大的包的时候，就出问题，经常自行断掉。为了解决这个问题，我们需要更换conda的源，更换conda的源的方法如下：

		conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
		conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
		conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
		conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
		conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
		conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
		conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
		conda config --set show_channel_urls yes 

当我使用上面的方式更换源之后，还是不能将上面的环境安装好，找了很多教程，然后就在上面的每个网站后面加上了linux-64，好像是这个哈，现在是window下写这篇文章，看不到我当初改成啥了。改了之后，好像速度快了点，但是又出现链接超时的情况，没办法，只能再去找解决方案了。好像是在某个文件中将延时改为600了，我后面去ubuntu系统了看一下再改一下这篇文章。

如果大家家里网络还可以，可以试一下官方的方案，但是我这，后面放弃了通过上面的命令行来安装pytorch这些，因为在conda的环境里面也可以使用pip，所以我直接使用pytorch官网的pip命令行了，如下：

pip install torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

因为我是安装的cuda10.1，然后pytorch版本，我跟官网上的推荐一致，选择1.5.0版本，大家根据实际情况进行选择。终于，这行命令行终于搞定了上面的pytorch环境，松了一口气。

接下来，可以安装mcvv了，命令行如下：

pip install mmcv-full==latest+torch1.5.0+cu101 -f https://openmmlab.oss-accelerate.aliyuncs.com/mmcv/dist/index.html
pip install mmcv-full

注意了，这两行命令行中第一行不能少，我最初的时候，感觉二者差不多，而且第二行感觉还是一个完整版，就只选择了第二行的命令输入，导致最后测试的时候报错。官网上的意思也是第二行可选，但是第一行不能缺。

接下来，我们要开始安装mmdetection和mmdetecton3d的安装包，前者是用来进行2d检测的，包含的框架主要是faster_rcnn这些，后者才是3d检测的。我们在我们想要存放着两个文件的文件夹下面打开终端，然后使用下面的命令：

pip install git+https://github.com/open-mmlab/mmdetection.git

如果大家想对其源代码进行更改来应用于自己的项目，接着上面的步骤执行下面的命令：

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements/build.txt
pip install -v -e .  # or "python setup.py develop"

对于mmdetection3d，直接安装资源包，命令行如下：

git clone https://github.com/open-mmlab/mmdetection3d.git
cd mmdetection3d
pip install -v -e .  # or "python setup.py develop"

好了，基本的安装过程就是这样，但是对于我这种用pycharm的人，肯定习惯将我装的conda这个环境放到pycharm中，这样我就可以直接在pycharm中使用这个虚拟环境来跑代码。示意图如下：
当我把环境这些搞好之后，想去按照官方给的教程去测试，但是在测试的过程之中，发现需要下载特定的数据集来生成一些东西之后才能进行训练，而官方给的测试命令行是针对scannet这个数据集的，这个数据集有些牛逼，全网没有直接的下载链接，我翻墙出去也没有下载链接，需要给这个数据集的开发团队发邮件申请使用这个数据集，最后没法了，只能发邮件了，希望那边回我把，哎。。。。当数据集下载到之后，再测试一下官方的使用教程，到时候再写下来整个过程。

2020 8.7