关于配置openmmlab环境以及尝试cascade-rcnn训练VOC的步骤（上）

最近需要训练cascade rcnn，有一起的同学可以私信我，记得备注下联系方式

这篇文章是windows系统关于mmdetection的环境配置，以及以cascade rcnn 为例训练VOC格式的数据集，有不当之处希望读者评论区告知！！！感谢！！！

这是MMDetection目前最新的安装教程链接，有许多地方和一些前辈的博客有不同之处，仔细阅读

GET STARTED — MMDetection 3.2.0 documentation

1、首先是创建虚拟环境：

conda create -n mmlab2 python=3.7

2、激活虚拟环境

conda activate mmlab2

3、下载pytorch，相关版本自己要根据自己电脑修改，

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

4、此时可以测试一下pytorch是否成功导入

python  
import pytorch
torch.__version__

5、下载mmdetection相关文件：

pip install mmdet==3.2.0

pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.0"

 这里我试了很多次，版本一定要对应上

6、去github下载mmdetection

GitHub - open-mmlab/mmdetection: OpenMMLab Detection Toolbox and Benchmark

关闭现在的虚拟环境，从下载好的文件夹内cmd，重新进入虚拟环境，如图：

7、激活虚拟环境以后，继续执行下面操作：

pip install -r requirements/build.txt

pip install -v -e .

注意上面一行代码的 . 

8、到此环境安装结束，接下来进行环境的测试，新版的mmdet需要用代码执行测试，先下载权重文件，下面的连接直接复制，可以直接下载cascadercnn权重；

https://download.openmmlab.com/mmdetection/v2.0/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco/cascade_rcnn_r50_fpn_1x_coco_20200316-3dc56deb.pth

 或者进入一下页面，自行选择所需权重，

注：在mmdetection-main文件夹内创建一个checkpoints文件夹，权重文件下载至该文件夹内，如图1

https://github.com/open-mmlab/mmdetection/tree/main

 

 9、在detection-main文件夹内新建一个test1.py文件，将以下代码copy，

# 测试环境合格代码    下载权重文件

from mmdet.apis import init_detector, inference_detector
from mmdet.utils import register_all_modules
from mmdet.registry import VISUALIZERS
import mmcv


def main():
    config_file = './configs/cascade_rcnn/cascade-rcnn_r50_fpn_1x_coco.py'
    # download the checkpoint from model zoo and put it in `checkpoints/`
    # url:该行为自动从网页下载权重 https://download.openmmlab.com/mmdetection/v2.0/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco/cascade_rcnn_r50_fpn_1x_coco_20200316-3dc56deb.pth
    checkpoint_file = './checkpoints/cascade_rcnn_r50_fpn_1x_coco_20200316-3dc56deb'
    device = 'cuda:0'
    register_all_modules()
    # init a detector
    model = init_detector(config_file, checkpoint_file, device=device)
    # inference the demo image
    img = mmcv.imread('./demo/demo.jpg', channel_order='rgb')
    result = inference_detector(model, img)
    # init the visualizer(execute this block only once)
    visualizer = VISUALIZERS.build(model.cfg.visualizer)
    # the dataset_meta is loaded from the checkpoint and
    # then pass to the model in init_detector
    visualizer.dataset_meta = model.dataset_meta
    # Let's plot the result
    # show the results
    visualizer.add_datasample(
        'result',
        img,
        data_sample=result,
        draw_gt=False,
        wait_time=0,
    )
    visualizer.show()


if __name__ == '__main__':
    main()

运行成功后会出现一张图片，代表已经配置成功了。撒花~~~

后续的操作在另一篇博客，链接如下！

关于配置openmmlab环境以及尝试cascade-rcnn训练VOC2012的步骤（中）-CSDN博客