Linux下MMDetection環境配置
1. 準備工作
- Linux發行版。
- Pop!_OS 22.04 LTS (NVIDIA) (Ubuntu衍生)
- 對Linux進行配置，更改中國鏡像源。
- 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
- 安裝git工具。
2. 安裝步驟
- 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。
- 激活虛擬環境
conda activate openmmlab
- 安裝openmim
pip install openmim
- 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。
- 克隆MMDetection項目
git clone //github.com/open-mmlab/mmdetection.git
- 切換到mmdetection目錄下
cd mmdetection
- 安裝依賴
pip install -r requirements/build.txt
- 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
- 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
- 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
