Ubuntu18.04+pytorch1.3+mmdetection v1.2

Ubuntu18.04+pytorch1.3+mmdetection v1.2

本文记载了从Ubuntu18.04的安装到pytorch1.3环境的创建，以及mmdetection v1.2的编译，并最终成功运行了demo.py。其中借鉴了多位博主的博客，感谢！

Ubuntu18.04安装

Ubuntu18.04的安装主要借鉴了
链接: 联想拯救者Y7000P2019双系统安装与卸载（win10+ubuntu18.04+NVIDIA GeForce RTX2060+CUDA10.0+Cudnn+pytorch）

安装过程中注意以下几点：

1. 选择从USB disk启动 ，在执行这一步，按F2或F1时，需在电脑刚开机时便快速按动F2或F1，以防无法进入相应界面；
2. 原文中有如下描述 “并按F10保存退出，电脑会自动重启，开机时候按住F12进入快速启动选择，应该有windows boot manager 和 generic flash disk选项，用方向键选择generic flash disk，然后回车，进入安装界面。" ，但实际操作中并无generic flash disk 选项，而是别的名称，这应该和个人电脑类型有关系；
3. 磁盘分区 ，第一次安装Ubuntu的时候，+ 无法选择，在退出再次安装之后就可以了，原因不明。跟原文中相同，我同样只创建了swap，efi, / 3个分区，注意如果创建之后发现不对，可以按Revert恢复。另外下方选择efi引导；
4. 注意设置清华源；

pytorch1.3环境创建

pytorch1.3环境是在Anoconda中创建的虚拟环境，并且可以将创建的环境应用Pycharm中，主要借鉴：
链接: Ubuntu18.04 安装 Anaconda3
在官网下载对应版本，按照上面的链接就可以下载然后根据链接安装。安装完成后创建pytorch环境，配置为pytorch1.3+cuda10.0+cudnn，命令如下：

pip install torch==1.1.0 torchvision==0.3.0 cudatoolkit==10.0.130

注意安装pytorch时要与安装的cuda版本匹配。在安装之前可先分别设置pip的清华源，在安装的过程中会快很多，配置如下：
链接: pip清华源配置
若要安装其它版本的pytorch，请务必注意是是否与cuda匹配，安装完成后进入python，尝试命令import torch 是否成功。
如果喜欢使用Pycharm编辑器，可按照如下链接安装：
链接: Ubuntu+Pycharm+Anaconda配置
注意，链接中给出的时Ubuntu16.04版本的，安装时需注意选择与自己版本匹配的pycharm。另外，即使时在建立工程之后，也可以更改解释器。

mmdetection v1.2编译及demo实现

首先需要在github上下载mmdetection v1.2
链接: mmdetection
注意：有的博客是使用如下命令下载的

git clone https://github.com/open-mmlab/mmdetection.git

由于现在mmdetection的版本已经更新到v2.0，如上图所示，因此上述命令会直接下载v2.0版本，本文不建议使用v2.0版本，而是使用已经成熟的v1.2。

下载完成后，以此执行以下命令

#解压到自己想要放置的文件夹，本文放置在新建的pycharm工程文件夹下
unzip -d <下载的mmdetection v1.2> <pycharm工程文件夹下>
#进入文件，注意需切换到新建的pytorch1.3环境下
cd mmdetection-1.2.0/
#安装mmcv，若已经设置pip清华源，会安装很快
pip install mmcv
#安装包
pip install -r requirements.txt
#编译
python setup.py develop

若编译失败，重新编译前需执行

python setup.py clean --all

编译成功！

运行demo

首先需下载模型链接: (链接)密码：dpyl，如果只是测试，选择 其中的faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth下载即可，下载后在mmdetection文件夹中新建一个checkpoints文件夹，把下载后的模型放进去就可以了

#在demo文件夹下，新建demo.py，将代码中'testing image you want to detect.jpg'，改为自己想要测试的图片
import argparse
import cv2
import torch
from mmdet.apis import inference_detector, init_detector, show_result

def parse_args():
    parser = argparse.ArgumentParser(description='MMDetection webcam demo')
    parser.add_argument('--config', default='../configs/faster_rcnn_r50_fpn_1x.py', help='test config file path')
    parser.add_argument('--checkpoint', default='../checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth',
                        help='checkpoint file')
    parser.add_argument('--device', type=int, default=0, help='CUDA device id')
    parser.add_argument(
        '--camera-id', type=int, default=0, help='camera device id')
    parser.add_argument(
        '--score-thr', type=float, default=0.5, help='bbox score threshold')
    args = parser.parse_args()
    return args

args = parse_args()
model = init_detector(
        args.config, args.checkpoint, device=torch.device('cuda', args.device))
img = 'testing image you want to detect.jpg'
show_img = inference_detector(model, img)
show_result(img, show_img, model.CLASSES, score_thr=args.score_thr)

我从网上随便找了张图，运行结果如下：