mmdetection安装记录（使用google colab安装）

最新推荐文章于 2023-06-15 14:28:27 发布
原创 最新推荐文章于 2023-06-15 14:28:27 发布 · 4.1k 阅读 · 26 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #pytorch #机器学习

本文记录了在Google Colaboratory上安装mmdetection的过程，包括安装Anaconda3、降低gcc版本到5.5、安装pytorch和cudatoolkit，以及在安装过程中遇到的问题和解决方案。通过验证和测试环境，确保mmdetection能够正常运行。

 

介绍

           Google Colaboratory是谷歌开放的一款研究工具，主要用于机器学习的开发和研究。它给广大的AI开发者提供了免费的GPU使用，可以在上面跑tensorflow等框架。

            mmdetection集成了多种目标检测算法，它的git地址,环境要求在官方文档中。我在Google Colaboratory上搭建环境的时候遇到了问题，记录如下。

安装过程

安装成功的环境

OS: Ubuntu18.04
CUDA:10.0
NCCL: 1.3.5
GCC(G++): 5.5

具体安装步骤

1.安装Anaconda3

!wget -q https://repo.anaconda.com/archive/Anaconda3-2019.10-Linux-x86_64.sh
!chmod +x Anaconda3-2019.10-Linux-x86_64.sh
!bash ./Anaconda3-2019.10-Linux-x86_64.sh -b -f -p /content/anaconda3
# set PATH environment variable
import os
os.environ['PATH'] = "/content/anaconda3/bin:" + os.environ['PATH']

2.安装gcc(g++5)

由于系统自带的gcc是为7.4.0，需要替换成5.5版本

!apt-get install gcc-5 g++-5
!cd /u
最低0.47元/天 解锁文章
在Colab上部署mmdetection
Far_Rainbow的博客
10-09 936
首先在修改–>笔记本设置里选择GPU以便于后续按照依赖GPU的包 首先进行挂载： 然后连接到自己的硬盘里： 查看路径和当前目录的文件，这里我已经安装过mmdetectionl所以有这个文件，第一次执行是没有的 git一下mmdetection的源码 进入mmdetection目录下： 下载依赖文件： 在mmdetection文件夹下新建checkpoints目录，进入并下载模型文件cascade_rcnn_r50_fpn_20e_20181123-db483a09.pth 在/mm
colab上配置mmdetection记录
zzhhjjjj的博客
11-18 1362
# install dependencies: (use cu101 because colab has CUDA 10.1) #!pip install -U torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html !pip install -U torch==1.8.1+cu111 torchvision==0.9.1+cu111 -f https://downlo
colab配置mmdetection环境_by2021.6
housong的博客
06-16 3278
本文基于colab环境下，配置mmdetection环境，配置下了也踩了不少坑，希望能对有需要的朋友一点点帮助。
mmdetection在colab上的配置
RAO_ZY的博客
04-24 3873
文章日期2022/04/24 参照官网文档mmdetection/MMDet_Tutorial.ipynb at master · open-mmlab/mmdetection · GitHub 在colab中默认的配置查看 import torch, torchvision print(torch.__version__, torch.cuda.is_available()) 输出结果是1.10.0+cu111 True 因此要把官网中的文档mmcv的安装链接进行更改为torch1.10.
使用 MMDetection训练自己的数据集（Colab版）
weixin_43800577的博客
05-14 999
使用指南 挂载谷歌云盘 from google.colab import drive drive.mount('/content/drive') 确认连到GPU import tensorflow as tf device_name = tf.test.gpu_device_name() if device_name != '/device:GPU:0': raise SystemError('没有发现GPU device') print('Found GPU at: {}'.format(de
google colab使用记录
weixin_45699456的博客
03-29 479
第一次使用 google colab，参考了下面博客，本文记录一些常用代码，以方便之后再次访问。其实就是让这个notebook可以访问到你的谷歌云盘，运行以下代码，会出现一个授权链接。之后每次重新登录都要重复上面两个步骤.接下来就可以像使用linux系统一样去使用了。将当前目录切换到谷歌云盘，然后查看你云盘里的文件；查看自己是否在GPU环境下。
【colab】在colab上使用mmdet训练自己的数据
qq_41627396的博客
02-04 5288
在colab上使用mmdet训练自己的数据集
MMDetectionV2 + Colab 超详细教程及踩坑实录
Mochadrone的博客
08-19 4464
为了参加讯飞的X光目标检测竞赛，我们组研究了目前通用的几种目标检测框架。最后测试出来MMDetectionV2的易用性和训练速度都比较出色。这篇文章是我结合MMDetection官方的Colab Tutorial以及自己的探索整理出来的超详细攻略，欢迎提问。
MMDetectionV2 + Colab
qq_36537774的博客
08-26 2174
MMDetectionV2 + Colab 超详细教程及踩坑实录 文章目录 前言 一、环境配置 二、准备自己的数据集 Aug.14更新 三：修改config文件 3.1 文件结构 3.2 （本地）修改config文件 3.2.1 （本地）构造自己模型的权重文件 3.2.2 （本地）修改配置文件 3.3 在colab上修改config 3.5 在线训练 3.6 在线可视化模型效果 3.7 在线inference 4.
在colab中运行matlab程序
guijianchou123456的博客
12-06 899
matlab、colab、python
在colab上运行matlab的.m文件(mat)
weixin_51005207的博客
04-23 681
如果在apt-get update后依然报这个error，那就说明这个source本身就有错误，可以尝试。这里file.m是当前路径下的文件，最好在执行上述命令时将当前路径设置为想要运行文件的路径。Error报的信息显示是这个包向source里的资源下载失败了。通过上述解决办法安装好了octave，再在colab上运行。如果执行后依旧报这个error，就需要换source。某些链接404 NOT FOUND或者获取不到。根据提示，我们首先应当更新一下source。pwd用于查看当前路径是什么。
如何在colab上使用mmdetection训练自己的数据集
weixin_44379961的博客
03-11 3045
如何在colab上使用mmdetection训练自己的数据集 这次受新冠肺炎疫情的影响，开学延期，但是导师要求在mmdetection平台上训练一个特殊的数据集，由于不在实验室缺乏相关的机器设备支撑实验（我自己只有一台gtx860的笔记本）所以考虑使用google免费的colab进行实验，之前没有使用过colab，所以记录一下全部过程。 一、Colab的使用 1. 访问google 首先，使用谷歌...
Gromacs安装（WSL2、Colab）
linjw1923的博客
05-29 4960
WSL2和Colab中安装CUDA版本的Gromacs
如何在Colab上永久安装包
sheriMMM的博客
12-09 8949
1. 注册google，登录Google Drive, 在My Drive 下新创建一个文件夹作为ipynb 根目录（文件名随意，后面步骤要用到）， 然后Colab Notebooks新建文件夹放package（文件名随意， 后面步骤也需要用到 2. Open Colab -> create ipynb ① 挂载google drive以及添加sys path import os, sys # 挂载google drive from google.colab impo...
Colab的使用教程
weixin_45835837的博客
11-23 4922
昨天看了一个Github上的代码，博主是通过Colab来运行代码。之前就听说过Colab的服务器可以免费用，于是自己就开始了Colab的探索。 找了很多的教程，都是让去谷歌云盘官网注册云盘账号，然后通过谷歌端口登录。但是进入谷歌云盘官网之后发现申请地区没有China选项，可能因为谷歌在大陆是被禁止了的原因吧~ 但是自己有谷歌账号（之前申请的，不知道现在还能不能申请），所以通过别人的教程发现了另一种使用谷歌云盘的思路： 搜索谷歌云硬盘（https://www.google.com/intl/zh-CN/dr
【目标检测】使用Colab训练MMDetection模型
ericdiii的博客
09-12 963
使用Colab训练MMDetection模型
使用Colab训练步骤（有点mmdetection内容）
孟孟单单的博客
06-11 1459
colab
MMDetection新手安装使用教程（无限踩坑）
m0_51951660的博客
06-15 2万+
MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源项目，它基于Pytorch实现了大量的目标检测算法，例如fast_rcnn,frater_rcnn,detr等算法。提示：以下是本篇文章正文内容，下面案例可供参考以上就是今天要讲的内容，本文主要介绍了mmdetection的安装以及采用标准COCO数据集的使用过程，后续如果读者需要，也会介绍自己数据集的制作以及利用mmdetection中的模型进行训练和测试。
【目标检测】从头到尾教你安装MMDetection（超详细版本）
热门推荐
wzk4869的博客
11-10 2万+
【目标检测】从头到尾教你安装MMDetection（超详细版本）
google colab下载mmdetection
最新发布
08-19
在 Google Colab 环境中下载和安装 `mmdetection` 库可以通过以下步骤实现。`mmdetection` 是一个基于 PyTorch 的开源目标检测工具箱，由 OpenMMLab 开发维护。安装时需要确保依赖项正确安装，并且环境配置符合要求。 ### 安装步骤 1. **安装基础依赖** 首先需要安装 `mmcv`，这是 `mmdetection` 的核心依赖库。推荐使用预编译的 `mmcv` 版本以简化安装过程： ```bash pip install mmcv ``` 2. **安装 mmdetection** 可以通过 pip 直接安装 `mmdetection`： ```bash pip install mmdetection ``` 或者，如果需要使用最新功能或进行自定义修改，可以从 GitHub 源码安装： ```bash git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection pip install -r requirements.txt pip install -v -e . ``` 3. **验证安装** 安装完成后，可以通过以下命令验证是否成功： ```python import mmdet print(mmdet.__version__) ``` 如果输出版本号，说明 `mmdetection` 已成功安装。 4. **配置环境** 如果使用 GPU 环境，确保 `mmdetection` 与当前安装的 PyTorch 和 CUDA 版本兼容。Colab 默认提供 CUDA 支持，但需要确认 PyTorch 是否正确识别了 GPU： ```python import torch print(torch.cuda.is_available()) ``` 如果输出 `True`，则表示 GPU 已就绪，`mmdetection` 可以充分利用 GPU 进行训练和推理。 ### 示例代码 以下是一个简单的示例，展示如何使用 `mmdetection` 进行目标检测： ```python from mmdet.apis import init_detector, inference_detector import mmcv # 加载预训练模型 config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py' checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c6664.pth' model = init_detector(config_file, checkpoint_file, device='cuda:0') # 进行推理 img = 'test.jpg' # 替换为你的图像路径 result = inference_detector(model, img) # 可视化结果 model.show_result(img, result, out_file='result.jpg') ``` 请确保在运行上述代码前上传图像文件 `test.jpg` 到 Colab 环境，并下载相应的模型权重文件 `faster_rcnn_r50_fpn_1x_coco_20200130-047c6664.pth`。 ### 注意事项 - **GPU 资源**：Colab 提供的 GPU 资源有限，建议合理管理内存使用，避免在训练时出现内存不足的问题。 - **依赖版本**：确保 `mmdetection` 与其依赖库（如 `mmcv`）的版本兼容，避免因版本不匹配导致的错误。
评论 18
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值