Linux下MMDetection环境配置

1. 准备工作

  1. Linux发行版。
  1. 安装conda环境。 官网下载安装脚本(bash)文件。执行
bash Miniconda3-latest-Linux-x86_64.sh
  1. 安装git工具。

2. 安装步骤

  1. 配置conda虚拟环境
conda create -n openmmlab python=3.9 pytorch==1.11.0 cudatoolkit=11.3 torchvision -c pytorch -y

tip: 可去pytorch官网查询最新版本。

  1. 激活虚拟环境
conda activate openmmlab
  1. 安装openmim
pip install openmim
  1. 安装mmcv-full
pip install mmcv-full==1.5.3 -f //download.openmmlab.com/mmcv/dist/cu113/torch1.11.0/index.html

注意: MMDetection版本和MMCV版本存在兼容性问题。具体可参考官网

  1. 克隆MMDetection项目
git clone //github.com/open-mmlab/mmdetection.git
  1. 切换到mmdetection目录下
cd mmdetection
  1. 安装依赖
pip install -r requirements/build.txt
  1. 执行
pip install -v -e .

# "-v" means verbose, or more output
# "-e" means installing a project in editable mode,
# thus any local modifications made to the code will take effect without reinstallation.

提醒: 到此MMDetection环境安装完成。可到mmdetection/demo/inference_demo.ipynb进行执行验证。验证前需要在openmmlab虚拟环境下安装ipykernel。

pip install ipykernel

3. 选装

  1. 安装Apex
  • APEX 是来自英伟达 (NVIDIA) 的一个很好用的深度学习加速库。

  • 克隆Apex项目

git clone //github.com/NVIDIA/apex
  • 安装Apex
cd apex
python setup.py install
  1. 安装mmpycocotools
pip uninstall pycocotools
pip install mmpycocotools

tip: 为后续训练coco数据集,需卸载pycocotools,安装mmpycocotools。

4. 应用

  • Model Zoo 提供训练好的模型。
  • 命令测试
python demo/image_demo.py demo/demo.jpg configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth