MMdetection环境搭建(win10)

一、 创建虚拟环境

这里创建python3.7环境

二、安装torch及cudatoolkit

进入torch官网,找到需要的torch及cuda(torch官网已经搭配并打包一起,后续不用设置环境变量,激活环境直接用即可)

找到以前版本,这里安装torch1.8.0和cuda11.1版本(后续安装mmcv需要对应)

复制这条命令,cmd中激活刚才的虚拟环境(cmd中输入activate mmdetection),输入下面代码进行安装conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

安装完成后输入conda list可以看到安装成功

三、安装mmcv

这里需要注意,需要将mmcv安装在对应的torch中,打开mmcv开源链接GitHub - open-mmlab/mmcv: OpenMMLab Computer Vision Foundation,找到torch对应的mmcv命令

打开复制命令,并删除=={mmcv_version},在虚拟环境中运行安装,

这里安装命令为:
​
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html

​
安装成功后如下:

四、安装MMdetection

打开mmdetection开源链接https://github.com/open-mmlab/mmdetection下载project

五、安装其他依赖

下载解压后,cmdmmdetection-master目录下激活虚拟环境并输入下列命令:
pip install -r requirements/build.txt
python setup.py develop
安装成功如下: 

六、测试安装是否成功

pycharm打开mmdetection-master工程,

然后加载解释器,
 
mmdetection-master文件夹下创建checkpoints文件夹,下载预训练权重文件faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth,放在checkpoints文件夹里面,权重链接:

https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth

mmdetection-master文件夹下创建一个py文件,粘贴如下代码并运行此文件:
from mmdet.apis import init_detector, inference_detector
config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
# download the checkpoint from model zoo and put it in `checkpoints/`
# url: https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
device = 'cuda:0'
# init a detector
model = init_detector(config_file, checkpoint_file, device=device)
# inference the demo image
result = inference_detector(model, 'demo/demo.jpg')
model.show_result('demo/demo.jpg', result, out_file='initial_demo.jpg')
运行成功:

训练数据集见下一篇:

MMdetection训练自己的数据集(win10)

版权声明:本文为CSDN博主「TC1398」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/m0_61102347/article/details/121939470

TC1398

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

pytorch建立mobilenetV3-ssd网络并进行训练与预测

前言 这篇文章记录的是我在公司实习用深度学习做车辆信息识别项目时,用来做车辆检测的算法。因为我们公司面向的边缘端计算,边缘盒子的计算能力有限,所以我们在做算法研究时,就尽量选用轻量级算法

Detectron2 updating...

介绍 之前一直看相关的api,包括数据集的注册,detectron这种标准数据集的custom注册等源代码分析,对json文件也有了很清晰的认识,COCO的注册更简单一些,直接调用reg