Linux下MMDetection環境配置

1. 準備工作

  1. Linux發行版。
  1. 安裝conda環境。 官網下載安裝腳本(bash)文件。執行
bash Miniconda3-latest-Linux-x86_64.sh
  1. 安裝git工具。

2. 安裝步驟

  1. 配置conda虛擬環境
conda create -n openmmlab python=3.9 pytorch==1.11.0 cudatoolkit=11.3 torchvision -c pytorch -y

tip: 可去pytorch官網查詢最新版本。

  1. 激活虛擬環境
conda activate openmmlab
  1. 安裝openmim
pip install openmim
  1. 安裝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版本存在兼容性問題。具體可參考官網

  1. 克隆MMDetection項目
git clone //github.com/open-mmlab/mmdetection.git
  1. 切換到mmdetection目錄下
cd mmdetection
  1. 安裝依賴
pip install -r requirements/build.txt
  1. 執行
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環境安裝完成。可到mmdetection/demo/inference_demo.ipynb進行執行驗證。驗證前需要在openmmlab虛擬環境下安裝ipykernel。

pip install ipykernel

3. 選裝

  1. 安裝Apex
  • APEX 是來自NVIDIA (NVIDIA) 的一個很好用的深度學習加速庫。

  • 克隆Apex項目

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

tip: 為後續訓練coco數據集,需卸載pycocotools,安裝mmpycocotools。

4. 應用

  • Model Zoo 提供訓練好的模型。
  • 命令測試
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