Linux下MMDetection环境配置

1. 准备工作

1. 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。

2. 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

3. 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。

2. 激活虚拟环境

conda activate openmmlab

3. 安装openmim

pip install openmim

4. 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。

5. 克隆MMDetection项目

git clone https://github.com/open-mmlab/mmdetection.git

6. 切换到mmdetection目录下

cd mmdetection

7. 安装依赖

pip install -r requirements/build.txt

8. 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 https://github.com/NVIDIA/apex

• 安装Apex

cd apex
python setup.py install

2. 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