windows下安装mmdetection

mmdetection是个非常好用的目标检测工具包，提供了大量的预训练模型，服务器上开发实在是太麻烦了，所以我尝试在我的windows电脑上安装了mmdetection，最终成功跑出了demo，如下：

版本信息如下：

• 显卡：RTX2070S
• 系统：Windows10
• cuda：11.1
• cudnn：8.1
• pytorch：1.8.0
• torchvision：0.9.0
• mmcv：1.3.9
• mmdetection：2.15.0

安装cuda和cudnn

下载cuda11.1并安装，下载地址如下：

CUDA Toolkit 11.1.0 | NVIDIA Developer

下载cudnn并复制到对应的cuda目录下，下载地址如下：

cuDNN Archive | NVIDIA Developer

不方便下载的小伙伴可以去这个地址下载：

cuda11和cudnn8.1.zip-深度学习文档类资源-优快云下载

安装mmdetection

• 安装pytorch

  这里我们安装的是1.8.0的pytorch

  pip3 install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio===0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
  

  有个规律是，一般你的torchvision会比你的torch高一个版本号。

• 安装mmcv

  mmcv是mm系列的底层支持，包括安装mmclassification、mmsegmentation都会使用到mmcv，这里有两个安装版本，一个是简化的版本mmcv，一个是完整的版本mmcv-full，完整的版本中包含了大量的算子，GPU下最好还是安装这个完整的版本，安装命令如下：

  pip install mmcv-full==1.3.9 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html
  

• 安装mmdetection

  mmdetection和mmcv的版本要注意对应，这里的对应关系是：

  MMDetection version	MMCV version
  master	mmcv-full>=1.3.8, <1.4.0
  2.15.0	mmcv-full>=1.3.8, <1.4.0
  2.14.0	mmcv-full>=1.3.8, <1.4.0
  2.13.0	mmcv-full>=1.3.3, <1.4.0
  2.12.0	mmcv-full>=1.3.3, <1.4.0
  2.11.0	mmcv-full>=1.2.4, <1.4.0
  2.10.0	mmcv-full>=1.2.4, <1.4.0
  2.9.0	mmcv-full>=1.2.4, <1.4.0
  2.8.0	mmcv-full>=1.2.4, <1.4.0
  2.7.0	mmcv-full>=1.1.5, <1.4.0
  2.6.0	mmcv-full>=1.1.5, <1.4.0
  2.5.0	mmcv-full>=1.1.5, <1.4.0
  2.4.0	mmcv-full>=1.1.1, <1.4.0
  2.3.0	mmcv-full==1.0.5
  2.3.0rc0	mmcv-full>=1.0.2
  2.2.1	mmcv==0.6.2
  2.2.0	mmcv==0.6.2
  2.1.0	mmcv>=0.5.9, <=0.6.1
  2.0.0	mmcv>=0.5.1, <=0.5.8

  在上面的一步中我安装了1.3.9的mmcv，所以这步的安装我直接安装最新版本的mmdetection即可，执行下面一系列的操作即可：

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

测试demo

首先需要在mmdetection目录下新建一个checkpoints目录，下载FasterRcnn的权重到这个文件夹中，下载的地址是：

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

在命令行中cd到mmdetection的路径，执行下列代码

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

成功！

另外，如果大家需要跑别的模型文件的话，可以去下面的网站找对应的模型和配置文件。

mmdetection/model_zoo.md at master · open-mmlab/mmdetection (github.com)