【环境配置】:mmdetection安装

OpenMMLab MMDetectionV3.1.0-SAM(环境安装、模型测试、训练以及模型后处理工具) (1)detector_sam_demo.py:用于对单个图像和图像文件夹进行检测和实例分割。(2)coco_style_eval.py:用于对给定的 COCO JSON 进行推理、评估和导出。(3)browse_coco_json.py:用于可视化导出的 COCO JSON。(4)images2coco.py:用于基于用户自己的图像文件夹的自定义和未注释的 COCO 风格 JSON。此 JSON 可以用作coco_style_eval.py. 阅读详情

https://mmdetection.readthedocs.io/zh_CN/latest/

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

1、创建虚拟环境

在这里插入图片描述

2、激活虚拟环境

conda activate open-mmlab

在这里插入图片描述

3、安装cython

在这里插入图片描述

4、基于Pytorch官网安装 PyTorch 和 torchvision

在这里插入图片描述

5、根据cuda与torch版本安装mmcv

在这里插入图片描述

6、安装mmdet

在这里插入图片描述

7、各包版本

在这里插入图片描述

8、测试

在demo文件夹下新建test.py文件

在这里插入图片描述

from mmdet.apis import init_detector, inference_detector

config_file = '../configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
# 从 model zoo 下载 checkpoint 并放在 `checkpoints/` 文件下
# 网址为: http://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
checkpoint_file = '../checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
device = 'cuda:0'
# 初始化检测器
model = init_detector(config_file, checkpoint_file, device=device)
# 推理演示图像
inference_detector(model, 'demo.jpg')

出现报错

在这里插入图片描述

打开configs/base/models

打开faster_rcnn_r50_fpn.py

请添加图片描述
请添加图片描述

如上修改后运行成功

在这里插入图片描述

【3D目标检测】环境搭建(OpenPCDet、MMdetection3d、Det3d) 在Conda虚拟环境中搭建MMdetection3d环境 阅读详情

相关推荐

MMDetection3D框架环境配置

MMDetection3D是一个基于PyTorch的开源3D目标检测框架。下面是MMDetection3D的环境配置步骤:安装Anaconda,教程很多不在说明。

tangbenjun的博客 592

MMdetection安装避坑指南:从版本匹配到环境配置的全流程解析

本文提供了一份详尽的MMdetection安装避坑指南,系统解析了从CUDA、PyTorch到MMCV的版本匹配全流程。通过逆向推导法,帮助开发者精准构建稳定高效的深度学习视觉开发环境,避免常见的兼容性错误,实现一次性无痛部署。

weixin_29070721的博客 254

避坑指南:ZYNQ平台上AXI 1G/2.5G Ethernet Subsystem实现IEEE1588的5个关键点

本文详细解析了在ZYNQ平台上使用AXI 1G/2.5G以太网子系统实现IEEE1588精密时间协议(PTP)的5个关键避坑点。从硬件选型、Vivado工程配置到Linux驱动适配,提供了实战经验与优化技巧,帮助工程师在工业自动化、电力系统等场景中实现纳秒级时间同步。

weixin_30687051的博客 234

open-mmlab之mmdetection3d

open mmlab实验室3d点云框架mmdetection3d,docker环境搭建、训练、推理、评估测试操作。

weixin_34961608的博客 1821

避坑指南:Qgis等时圈分析中ORS插件Key申请与参数设置的常见错误

本文详细解析了QGIS等时圈分析中ORS插件从API密钥申请到参数优化的全流程避坑指南。针对密钥激活、出行模式选择、时空参数设置等七个高频故障点,提供了实用的调试方案和优化技巧,帮助用户高效完成空间可达性分析。

weixin_42546508的博客 303

ESP32-C3芯片通过蓝牙控制开锁功能

定义BLE服务和特征,用于接收开锁命令。0x00FF// 服务UUID0xFF01// 特征UUID4// 句柄数量// 特征值// 特征属性// 处理GATT服务器事件// 处理事件(详细代码见下文)// 注册GATT回调if (ret) {return;// 创建GATT服务器。

m0_46145044的博客 921

上手OpenMMLab——MMDetection讲解与实战

将类别名设置为 COCO 全部类别,那么其实就可以转变了常规的目标检测算法。(2) 图片+ 语言描述:There are a lot of cars here.[外链图片转存中…(img-9PBtIXnS-1700016796813)]上述输入是自然语言描述,因此等价于 Grounding Object Detection。

Yuetian_w的博客 1745

GEE:哨兵时间序列遥感数据和动态阈值方法计算物候时期EOS/SOS(2)

本文将分享和解释论文《Improved Estimates of Arctic Land Surface Phenology Using Sentinel-2 Time Series》中使用到的基于阈值估算北极地区的植被物候,特别是北极地区的植被季节开始和结束的日期(SoS和EoS)的方法和代码。该方法使用的是使用哨兵2数据,并实现了两种阈值方法( 无平滑的阈值方法、平滑后的阈值方法)。

养乐多的博客 2971

【计算机视觉】目标检测:深度解析MMDetection:OpenMMLab开源目标检测框架实战指南

目标检测:深度解析MMDetection:OpenMMLab开源目标检测框架实战指南

weixin_43988131的博客 1859

SQL进阶技巧:数据预处理如何对数据进行分桶【分箱】?

本文详细介绍了数据分析中常见的几种分桶方式:基于业务规则的分桶、等距分桶及等频分桶等,针对每种分桶方式给出了SQL实现

石榴姐yyds 4020

YoloV8优化:感受野注意力卷积运算(RFAConv),效果秒杀CBAM和CA等 | 即插即用系列

感受野注意力卷积运算(RFAConv),解决卷积块注意力模块(CBAM)和协调注意力模块(CA)只关注空间特征,不能完全解决卷积核参数共享的问题

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 4264

open-mmlab的mmdetection使用总结

使用总结如下:环境安装配置见官方教程,如果在jupyter-notebook里,只要在mim前加上!

weixin_52120741的博客 512

遗传算法(Genetic Algorithm)详解与实现

遗传算法(Genetic Algorithm, GA)是受自然进化原理启发的一系列搜索算法。通过模仿自然选择和繁殖的过程,遗传算法可以为涉及搜索、优化和学习的各种问题提供高质量的解决方案。同时,它们类似于自然进化,因此遗传算法可以克服传统搜索和优化算法遇到的一些障碍,尤其是对于具有大量参数和复杂数学表示形式的问题。

盼小辉丶的博客 24万+

Windows下MMdetection3.3极简安装教程:用Anaconda三行命令搞定环境配置

本文提供了一份在Windows系统上极简安装MMdetection 3.3的教程。通过Anaconda环境管理,核心步骤被浓缩为三行命令,重点阐述了MMdetection、MMCV、PyTorch和CUDA版本严格匹配的逻辑,帮助用户快速配置稳定可用的目标检测开发环境,避开常见依赖冲突与编译错误。

kafka6courier的博客 335

YOLOv11【第一章:零基础入门篇·第1节】YOLOv11核心架构深度解析与环境配置,一文搞定!

🏆 本文收录于专栏 《YOLOv11实战:从入门到深度优化》。 本专栏围绕 YOLOv11 的改进、训练、部署与工程优化 展开,系统梳理并复现当前主流的 YOLOv11 实战案例与优化方案,内容目前已覆盖 分类、检测、分割、追踪、关键点、OBB 检测 等多个方向。

**My Coding Family** 5509

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

YOLO-World安装指南:基于mmyolo与mmdetection的环境配置全流程

你是否曾因深度学习框架版本冲突而浪费数小时?在目标检测领域,环境配置往往成为入门第一道障碍。YOLO-World作为前沿的实时目标检测框架,基于mmyolo与mmdetection构建,其环境配置涉及多个组件的精确匹配。本文将提供一套系统化的安装方案,确保你在15分钟内完成从系统检查到Demo运行的全流程,避开90%的常见配置陷阱。 读完本文后,你将掌握: - 多版本CUDA与PyTorch的兼...

gitblog_00823的博客 1538

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

从零开始mmdetection3d:史上最完整安装指南与环境配置

你是否在3D目标检测领域踩过环境配置的坑?CUDA版本不匹配、依赖包冲突、编译失败...这些问题耗费大量时间。本文将提供**一站式解决方案**,带你从零基础搭建稳定高效的mmdetection3d开发环境,读完你将获得: - 兼容Windows/Linux/MacOS的多平台安装方案 - 解决90%常见错误的故障排除指南 - 从源码编译到推理验证的全流程实操教程 - 针对不同硬件配置的性能优化建议...

gitblog_00670的博客 1603

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

MMdetection环境配置全攻略:从版本匹配到实战部署

本文详细解析了MMdetection环境配置的核心依赖链:MMdetection -> MMCV -> PyTorch -> CUDA,并提供了从版本匹配到实战部署的完整攻略。文章强调通过`nvidia-smi`确定CUDA上限,逆向推导出精确的版本组合,并手把手指导使用虚拟环境、mim工具及Docker进行安装与验证,帮助开发者高效避坑,成功搭建稳定的目标检测开发环境。

l1k9j8h7g6的博客 213

关于mmdetection中cuda环境配置

关于mmdetection中cuda环境配置 Mmdetection有两种版本、2.3之前的版本需要分别编译mmcv和mmdetection、2.3版本将ops目录转移到了mmcv中、组成了mmcv-full版本,而mmdetection中没有需要编译的c++代码了。 对于mmdet2.3、需要先安装mmcv-full、这里有两种安装方式、直接pip安装编译好的mmcv和下载mmcv源码进行本地的编译、前者比较简单、但需要注意匹配本地的pytorch和cuda的版本,后者需要本地编译、所以需要原生的cuda

m0_38043555的博客 1461

RuntimeError: CUDA error: invalid device function【mmdetection错误】

问题:在使用mmdetection做训练的时候,出现错误 RuntimeError: CUDA error: invalid device function 在官网的issue中看到是mmcv的版本不匹配问题,重新安装匹配的mmcv版本即可。 官网安装链接 环境版本 ubuntu16.04+Anaconda3+python3.7.7+cuda10.0+cuDNN7.6.4.3 pytorch1.6.0+python3.7 mmdetection的安装按照官网教程走即可,mmcv的安装用下面这句: pip

AI414010的博客 5410

三维目标检测环境配置

二 pytorch官网,下载cuda和torch的版本 Previous PyTorch Versions | PyTorch 二 mmcv和cuda版本对应安装 GitHub - open-mmlab/mmcv: OpenMMLab Computer Vision Foundation 三 mmdection对应版本 GitHub - open-mmlab/mmdetection: OpenMMLab Detection Toolbox and ...

DWQIONGER的博客 1496

mmdetection虚拟环境问题

不知道为啥,每次安装虚拟环境的时候有的时候比较灵有的时候就不灵了。很难受,但是有一种办法可以解决这问题。就是把正确的虚拟环境安装完成。公布一下自己可以用的环境版本。

微信号:Custom-Software 178

OpenMMLab环境配置避坑指南:除了mmdet找不到,你可能还会遇到这5个报错

本文详细解析了OpenMMLab环境配置中的五大常见报错问题,包括Python版本选择、CUDA与PyTorch版本匹配、MMCV版本兼容性、内存管理及权限路径问题。特别针对'mmdet找不到'等典型错误提供了实用解决方案,帮助开发者高效搭建稳定的计算机视觉开发环境。

weixin_30555125的博客 497

安装mmdetection3d系列——秒杀流

安装mmdetection3d系列——秒杀流

winkingzzx的博客 2522

深度学习环境配置全攻略:从CUDA到MMCV的版本兼容性解析

本文详细解析了深度学习环境配置中的版本兼容性问题,从CUDA到MMCV的版本匹配逻辑,帮助开发者避免常见陷阱。通过硬件驱动、PyTorch与CUDA的对应关系,以及MMCV新旧版的重大变更,提供了一套高效的环境配置方法论,特别适合计算机视觉(CV)领域的开发者参考。

weixin_30576827的博客 411

从零开始:用mmDetection和Faster R-CNN打造你的目标检测模型(自定义数据集版)

本文提供了一份基于mmDetection框架和Faster R-CNN算法,从零开始构建自定义目标检测模型的完整实战指南。内容涵盖环境配置、自定义数据集(COCO格式)处理、配置文件修改、模型训练与调试,以及性能分析与可视化,旨在帮助开发者高效完成模型训练与部署。

neovim7hacker的博客 380
上一篇: 【数据处理】:(二)文本类
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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