AI实战营环境配置-快速安装
AI实战营环境配置-快速安装
目录
📕前言
介绍如何快速配置实战营实战项目的所依赖环境,分本地配置和服务器配置。
🔧本地配置环境
mmpretrain
- github:https://github.com/open-mmlab/mmpretrain
- 快速安装:
# 1、创建python环境,并安装pytorch(使用anaconda管理环境) conda create -n open-mmlab python=3.8 pytorch==1.10.1 torchvision==0.11.2 cudatoolkit=11.3 -c pytorch -y # 2、切换至open-mmlab环境 conda activate open-mmlab # 3、安装openmim(类似于pip、conda包管理器,属于openmmlab专门的包管理器) pip install openmim # 4、源码安装mmpretrain git clone https://github.com/open-mmlab/mmpretrain.git # 1)克隆源码 cd mmpretrain # 2)切换至源码文件夹 mim install -e . # 3)安装
- 详细安装教程请参阅:点我
mmsegmentation
- github:https://github.com/open-mmlab/mmsegmentation
- 快速安装:
- 步骤0:使用mim下载mmengine、mmcv
pip install -U openmim mim install mmengine mim install "mmcv>=2.0.0"
- 步骤1:源码安装mmsegmentation
git clone -b main https://github.com/open-mmlab/mmsegmentation.git cd mmsegmentation pip install -v -e . # '-v' 表示详细或更多输出 # '-e'表示以可编辑模式安装项目, # 因此,对代码所做的任何本地修改都将在不重新安装的情况下生效。
- 步骤0:使用mim下载mmengine、mmcv
- 详细安装教程请参阅:点我
mmdetection
- github:https://github.com/open-mmlab/mmdetection
- 快速安装:
- 步骤0:使用mim下载mmengine、mmcv
pip install -U openmim mim install mmengine mim install "mmcv>=2.0.0"
- 步骤1:源码安装mmdetection
git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection pip install -v -e .
- 步骤0:使用mim下载mmengine、mmcv
- 详细安装教程请参阅:点我
mmpose
- github:https://github.com/open-mmlab/mmpose
- 快速安装:
- 步骤0:使用mim下载mmengine、mmcv
pip install -U openmim mim install mmengine mim install "mmcv>=2.0.0"
- 步骤1:源码安装mmpose
git clone https://github.com/open-mmlab/mmpose.git cd mmpose pip install -r requirements.txt pip install -v -e .
- 步骤0:使用mim下载mmengine、mmcv
- 详细安装教程请参阅:点我
mmagic
-
快速安装:
- 步骤0:使用mim安装mmcv、mmengine、mmagic
pip3 install openmim mim install 'mmcv>=2.0.0' mim install 'mmengine' mim install 'mmagic'
- 步骤1:验证mmagic是否安装成功
cd ~ python -c "import mmagic; print(mmagic.__version__)" Example output: 1.0.0
- 步骤0:使用mim安装mmcv、mmengine、mmagic
-
详细安装教程请参阅:点我
补充说明
-
建议将不同系列的项目单独建一个虚拟环境,做好环境隔离,避免库与库之间起冲突,导致污染环境;
如:mmpretrain为一个虚拟环境,mmpose为一个虚拟环境。 -
但是可能有些项目之间是有联系的,可以将其安装到同一个环境;
如果安装到同一环境,重复的安装命令可省略;
如:可能mmpose项目中会使用到mmdetection。 -
还有一点,此文档除了mmpretrain中没用安装mmcv,且不知mmcv的版本;
其他几个都安装了'mmcv>=2.0.0';
所以按理来说可以将本次实战营这几个库全部安装在同一环境。 -
由于安装的是'mmcv>=2.0.0',所以属于openmmlab 2.0系列。
openmmlab1.0系列和openmmlab2.0系列之间的区别,就是对应各个库的版本不同(见下)
OpenMMLab 1.0 与 2.0 系列区别
一句话总结:2.0 基于 MMEngine 基础库,更加统一、灵活
OpenMMLab 1.0 系列对应版本 | OpenMMLab 2.0 系列对应版本 | |
---|---|---|
MMEngine | 无 | 0.x |
MMCV | 1.x | 2.x |
MMDetection | 2.x | 3.x |
MMClassification | 0.x | 1.x |
MMSegmentation | 0.x | |
MMYOLO | 无 | 0.x |
注:目前mmcls归属于mmpretrain;
参考:点我 AI实战营环境配置·最佳实践(非官方)
💻服务器配置环境
如果不想在本地配置相关环境,
推荐一个服务器平台,服务器内置了pytorch以及openmmlab的一些库,
但不全,仍需人工自行安装(参考上述即可),
注:内置的mmcv是1.x版本,属于1.0系列,注意各个库对应的版本
官网:点我
具体使用见官网的文档;
作者:蟹老板
主页:https://www.cnblogs.com/xielaoban/
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须在文章页面给出原文连接,否则保留追究法律责任的权利