AI實戰營環境配置-快速安裝

AI實戰營環境配置-快速安裝
- ??前言
- ??本地配置環境
  - mmpretrain
  - mmsegmentation
  - mmdetection
  - mmpose
  - mmagic
  - 補充說明
  - OpenMMLab 1.0 與 2.0 系列區別
- ??服務器配置環境

??前言

介紹如何快速配置實戰營實戰專案的所依賴環境，分本地配置和服務器配置，

??本地配置環境

mmpretrain

github：https://github.com/open-mmlab/mmpretrain

快速安裝：

# 1、創建python環境，并安裝pytorch（使用anaconda管理環境）
conda create -n open-mmlab python=3.8 pytorch==1.10.1 torchvision==0.11.2 cudatoolkit=11.3 -c pytorch -y
# 2、切換至open-mmlab環境
conda activate open-mmlab
# 3、安裝openmim（類似于pip、conda包管理器，屬于openmmlab專門的包管理器）
pip install openmim
# 4、原始碼安裝mmpretrain
git clone https://github.com/open-mmlab/mmpretrain.git    # 1）克隆原始碼
cd mmpretrain                                             # 2）切換至原始碼檔案夾
mim install -e .                                          # 3）安裝

詳細安裝教程請參閱：點我

mmsegmentation

github：https://github.com/open-mmlab/mmsegmentation

快速安裝：

步驟0：使用mim下載mmengine、mmcv

pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.0"

步驟1：原始碼安裝mmsegmentation

git clone -b main https://github.com/open-mmlab/mmsegmentation.git
cd mmsegmentation
pip install -v -e .
# '-v' 表示詳細或更多輸出 
# '-e'表示以可編輯模式安裝專案， 
# 因此，對代碼所做的任何本地修改都將在不重新安裝的情況下生效，

詳細安裝教程請參閱：點我

mmdetection

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

快速安裝：

步驟0：使用mim下載mmengine、mmcv

pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.0"

步驟1：原始碼安裝mmdetection

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .

詳細安裝教程請參閱：點我

mmpose

github：https://github.com/open-mmlab/mmpose

快速安裝：

步驟0：使用mim下載mmengine、mmcv

pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.0"

步驟1：原始碼安裝mmpose

git clone https://github.com/open-mmlab/mmpose.git
cd mmpose
pip install -r requirements.txt
pip install -v -e .

詳細安裝教程請參閱：點我

mmagic

github：https://github.com/open-mmlab/mmagic

快速安裝：

步驟0：使用mim安裝mmcv、mmengine、mmagic

pip3 install openmim
mim install 'mmcv>=2.0.0'
mim install 'mmengine'
mim install 'mmagic'

步驟1：驗證mmagic是否安裝成功

cd ~
python -c "import mmagic; print(mmagic.__version__)"
Example output: 1.0.0

詳細安裝教程請參閱：點我

補充說明

建議將不同系列的專案單獨建一個虛擬環境，做好環境隔離，避免庫與庫之間起沖突，導致污染環境；
如：mmpretrain為一個虛擬環境，mmpose為一個虛擬環境，
但是可能有些專案之間是有聯系的，可以將其安裝到同一個環境；
如果安裝到同一環境，重復的安裝命令可省略；
如：可能mmpose專案中會使用到mmdetection，
還有一點，此檔案除了mmpretrain中沒用安裝mmcv，且不知mmcv的版本；
其他幾個都安裝了'mmcv>=2.0.0'；
所以按理來說可以將本次實戰營這幾個庫全部安裝在同一環境，
由于安裝的是'mmcv>=2.0.0'，所以屬于openmmlab 2.0系列，
openmmlab1.0系列和openmmlab2.0系列之間的區別，就是對應各個庫的版本不同（見下）

OpenMMLab 1.0 與 2.0 系列區別

一句話總結：2.0 基于 MMEngine 基礎庫，更加統一、靈活

	OpenMMLab 1.0 系列對應版本	OpenMMLab 2.0 系列對應版本
MMEngine	無	0.x
MMCV	1.x	2.x
MMDetection	2.x	3.x
MMClassification	0.x	1.x
MMSegmentation		0.x
MMYOLO	無	0.x

注：目前mmcls歸屬于mmpretrain；
參考：點我 AI實戰營環境配置·最佳實踐（非官方)

??服務器配置環境

如果不想在本地配置相關環境，
推薦一個服務器平臺，服務器內置了pytorch以及openmmlab的一些庫，
但不全，仍需人工自行安裝（參考上述即可），

注：內置的mmcv是1.x版本，屬于1.0系列，注意各個庫對應的版本
官網：點我
具體使用見官網的檔案；

作者：蟹老板
主頁：https://www.cnblogs.com/xielaoban/
本文著作權歸作者和博客園共有，歡迎轉載，但未經作者同意必須在文章頁面給出原文連接，否則保留追究法律責任的權利

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/553764.html

標籤：其他

上一篇：面對AI時代潮流，測驗人應該如何應對？

下一篇：返回列表