1. 準備作業
- Linux發行版，
- Pop!_OS 22.04 LTS (NVIDIA) (Ubuntu衍生)
- 對Linux進行配置，更改國內鏡像源，
- 安裝conda環境， 官網下載安裝腳本(bash)檔案，執行
bash Miniconda3-latest-Linux-x86_64.sh
- 安裝git工具，
2. 安裝步驟
- 配置conda虛擬環境
conda create -n openmmlab python=3.9 pytorch==1.11.0 cudatoolkit=11.3 torchvision -c pytorch -y
tip: 可去pytorch官網查詢最新版本，
- 激活虛擬環境
conda activate openmmlab
- 安裝openmim
pip install openmim
- 安裝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版本存在兼容性問題，具體可參考官網，
- 克隆MMDetection專案
git clone https://github.com/open-mmlab/mmdetection.git
- 切換到mmdetection目錄下
cd mmdetection
- 安裝依賴
pip install -r requirements/build.txt
- 執行
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環境安裝完成，可到mmdetection/demo/inference_demo.ipynb進行執行驗證，驗證前需要在openmmlab虛擬環境下安裝ipykernel，
pip install ipykernel
3. 選裝
- 安裝Apex
-
APEX 是來自英偉達 (NVIDIA) 的一個很好用的深度學習加速庫，
-
克隆Apex專案
git clone https://github.com/NVIDIA/apex
- 安裝Apex
cd apex
python setup.py install
- 安裝mmpycocotools
pip uninstall pycocotools
pip install mmpycocotools
tip: 為后續訓練coco資料集，需卸載pycocotools，安裝mmpycocotools，
4. 應用
- Model Zoo 提供訓練好的模型，
- 命令測驗
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
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/525014.html
標籤：其他
上一篇：基于 KubeSphere 的開源微服務開發平臺 Pig 最佳實踐
下一篇：資料結構與演算法概述