windows10 + pycharm mmdetection 安装

windows10 + pycharm mmdetection 安装

最近需要拿mmdetection做对比实验写文章，记录一下安装过程中需要注意的点，第一次写博客。

官方教程：https://github.com/open-mmlab/mmdetection/blob/master/docs/zh_cn/get_started.md

（讲道理官方教程写的挺不错的）

如果你是新手小白，切记在配置相关环境变量之后，如果发现步骤都对但是进行不下去了，重启powershell或者干脆重启电脑

一、pytorch相关安装

如果你没装过，这块就是最费劲的地方了。网上的博文有很多就不需要赘述了。不过在这里，请不要安装1.10版本的，因为mmcv不支持。1.9开头及以下的都可以。cuda版本请在cmd输入nvcc -V，我这里是11.2

 

二、mmcv安装

mmcv包含两个大版本

mmcv：精简版，无CUDA *** 作，但具有其他所有功能。当不需要CUDA *** 作时可以使用。mmcv-full：完整版，具有所有功能。

建议第二种，用就要用最好的。

对于官方所说的第一种mim安装方法，本人没有尝试过，看大部分人也都是用pip进行安装的，这里切记不能直接在interpreter里安装mmcv。

官方推荐的第二种方法

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html

例如我这里是1.9.1的pytorch和11.2的cuda（官方同时说明，由于1.x.0和1.x.1等是兼容的，因此安装时在torch version 这边默认都是末位为0的版本就可以了），即：

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu112/torch1.9.0/index.html

三、mmdetection 安装

× pip install mmdet这种方法，本人亲测，在第四步的检验过程中，找不到模型位置在哪儿。建议使用别的方法。

官方的方法是从git仓库编译，即

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements/build.txt
pip install -v -e .  # or "python setup.py develop"

git的使用，请参照别的博客的安装方法。【已解决】git 不是内部或外部命令，也不是可运行的程序_Andone_hsx的博客-CSDN博客_git不是内部外部命令也不是执行程序https://blog.csdn.net/Andone_hsx/article/details/87937329

注意，这里如果你发现配置完环境变量还是没用，说明该重启电脑了。

同时你也可以在github上自己下载，即： 另外注意，这里的版本号要和你的mmcv-full给定的版本号区间对上，切换版本号在master的tags里面。

之后的步骤就和官方给的一样就可以了

四、验证

 其中权重文件在

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

config_file就在你下载下来mmdetection的文件夹里面

img是我自己在网上随便下的图片，mmdetection的文件夹里面也有对应的demo。（因为我测试的python文件和mmdet文件夹不在一块儿）

from mmdet.apis import init_detector, inference_detector

config_file = r'../third_party_lib/mmdetection-master/configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
checkpoint_file = r'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
img = 'demo/demo.jpg'
device = 'cuda:0'
model = init_detector(config_file, checkpoint_file, device=device)
result = inference_detector(model, img)
model.show_result(img, result, out_file=r'result.jpg', show=True)

结果展示：