Linux下MMDetection环境配置
1. 准备工作
- Linux发行版。
- Pop!_OS 22.04 LTS (NVIDIA) (Ubuntu衍生)
- 对Linux进行配置，更改国内镜像源。
- 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
- 安装git工具。
2. 安装步骤
- 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。
- 激活虚拟环境
conda activate openmmlab
- 安装openmim
pip install openmim
- 安装mmcv-full
pip install mmcv-full==1.5.3 -f https://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。
- 克隆MMDetection项目
git clone https://github.com/open-mmlab/mmdetection.git
- 切换到mmdetection目录下
cd mmdetection
- 安装依赖
pip install -r requirements/build.txt
- 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
- 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 https://github.com/NVIDIA/apex
- 安装Apex
cd apex
python setup.py install
- 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
