mmpretrain&mmdetection环境配置

原创

已于 2024-11-03 10:20:55 修改 · 420 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #python

于 2024-11-03 10:14:58 首次发布

mmpretrain&mmdetection环境配置

适用于cuda11.3+torch12.1的mmpretrain&mmdetection环境配置：
在这里插入图片描述
第一步：根据官网说明，找到对应cuda版本的torch，安装好torch：

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

第二步：根据

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

花生david

关注关注

5
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

MMDetection安装踩坑教程，一次性安装成功

珺毅同学的博客

03-12

1万+

MMDetection 安装与调试，一次性安装成功~

mmpretrain安装教程（踩雷记录）

sinat_34770838的博客

03-27

1672

如果要使用多模态功能，需要额外安装依赖。取消代理后就可以git clone了。

参与评论您还未登录，请先登录后发表或查看评论

从数据采集到部署，手把手带你训练一个高质量的图像分类模型

qq_39967751的博客

06-11

2430

本文来自社区投稿，作者李剑锋MMPreTrain 是一款基于 PyTorch 的开源深度学习预训练工具箱，本文将从数据采集到部署，手把手带大家使用 MMPreTrain 算法库训练一个高质量的图像分类模型。

[C++onnxruntime静态库]onnxruntime-win-x86-static-lib-1.19.0

12-11

C++库名称：onnxruntime 版本号：1.19.0 适合操作系统(注意操作系统位数)：windows x86或x64 ,注意linux和macOS等其他操作系统均不可用适合编译平台：Release，这个库是release下编译的，不是Debug版本使用编译器：vs编译器是否使用CUDA编译：否，在CPU下编译，不支持CUDA 是否包含动态库：不包含动态库，动态库官方已经提供，这里提供是静态库即只有头文件+lib文件，没有任何DLL文件使用方法：可以直接在Visual Studio开发C++代码引用头文件和库文件，不需要附带dll因为这个是静态库，也可以使用cmake项目+MSVC编译器使用是否支持python：不支持python，里面不包含python库，仅仅C++开发用且只能windows操作系统使用

MMPRETRAIN安装环境配置指南

2402_83398439的博客

10-30

1078

mmpretrain安装与环境配置

mmdetection 训练自己的数据集[v2.14.0 (2023/4/7更新)]

万能的小陈的博客

07-14

5669

mmdetection训练自己的数据集0、环境配置1、准备好数据集及标注文件2、修改相关配置文件最后：遇到的一些问题以及解决方法。 0、环境配置 参考mmdetection 环境配置（v2.14.0 (29/6/2021)） 1、准备好数据集及标注文件本篇使用COCO格式的数据集进行训练。官方需求的格式如下，train2017和val2017放的是对应的照片。 mmdetection ├── mmdet ├── tools ├── configs ├── data │ ├── coco │ │

mmdetection tools工具梳理

weixin_44966641的博客

05-03

1万+

mmdetection tools工具梳理 mmdetection 是一个非常好用的开源目标检测框架，我们可以用它方便地训练自己的目标检测模型，mmdetection 项目仓库提供许多实用的工具来实现帮助我们进行各种测试。本篇将梳理以下 mmdetection 项目仓库 tools 目录下的各种实用工具。测试版本： mmcv-full == 1.4.8 mmdet == 2.24.1 训练相关 tools/train.py 这个自然是最常用的，我们训练模型通常就是用这个脚本来启动，通常只需要传入配置文

MMPretrain环境配置安装

travel_66的博客

06-07

1085

通过下面的一些命令就可以看到昨天理论课中提到的一些内容，比如经典主干网络的ResNet，多模态算法中BLIP等。安装配置好环境就可以做相应的训练了。

mmdetection训练自己的COCO数据集及常见问题

weixin_43570470的博客

06-06

9941

mmdetection训练自己的COCO数据集及常见问题

安装mmcv时出现报错

lulalalulalulale的博客

05-27

3322

mmcv报错解决方案

开源预训练框架 MMPRETRAIN官方文档（概览、环境安装与验证、基础用户指南）

qq_41627642的博客

07-07

8118

在本节中，我们将演示如何使用 PyTorch 准备环境。MMPretrain 适用于 Linux、Windows 和 macOS。它需要 Python 3.7+、CUDA 10.2+ 和 PyTorch 1.8+。在本教程中，我们提供了一个练习示例以及一些有关如何在您自己的数据集上进行训练的技巧。在 MMPretrain 中，我们支持CustomDataset（类似于ImageFolderin torchvision），可以直接读取指定文件夹内的图像。

MMPretrain深度学习框架环境配置与安装指南

最新发布

gitblog_00789的博客

06-11

375

MMPretrain深度学习框架环境配置与安装指南前言 MMPretrain是一个基于PyTorch的开源预训练模型库，提供了丰富的计算机视觉模型和工具。本文将详细介绍如何为MMPretrain配置开发环境并进行安装，帮助开发者快速上手这一强大的深度学习框架。环境准备硬件要求 MMPretrain支持在多种硬件环境下运行： GPU环境：推荐使用NVIDIA显卡，支持CUDA计算 CPU环境...

cuda12.1安装mmcv（AssertionError: MMCV==2.2.0 is used but incompatible. Please install mmcv＞=2.0.0rc4.）

m0_49201875的博客

11-06

7876

刚开始尝试了很多方法，比如下载mmcv-full，但是这个库最高更新到1.7.2，下载之后显示mmcv的版本变成了1.7.2.最终原因大概是因为在 MMCV2.x 中，将 mmcv-full 重命名为 mmcv，将 mmcv 重名为 mmcv-lite。还有在GitHub上下载mmcv的安装包，手动安装mmcv，一样更新到了最高版mmcv2.2.0，报错+n。包冲突真的令人头大，还好最后解决了，标记一下（手动撒花*★,°*:.☆(￣▽￣)/$:*.°★*。主要是mmcv版本不匹配。

【7班】-MMPretrain代码与作业

qq_43207119的博客

06-12

198

基于 new_config 分支，源码编译算法库注意:1. -b new_config 是为了切换支持mmengine的分支2. 此处的“.[multimodal]”为添加多模态依赖,代表要安装多模态相关的额外依赖，3. MMCV_WITH_OPS=1 切换到和mmpretrain 配合使用的分支4. 编译安装mmcv时会很慢，请耐心等待。

AssertionError: MMCV==2.2.0 is used but incompatible. Please install mmcv＞=2.0.0rc4, ＜2.1.0.

m0_57726940的博客

11-01

996

安装目录下的scripts目录（例如D:\Python27\Scripts）添加到系统环境变量path里，注意前加分号。②在cmd下进入到D:\Python27\Scripts目录下执行该命令。如果提示’pip’不是内部或外部命令，也不是可运行的程序或批处理文件。在windows 10 系统上尝试mmyolo的安装时遇到问题。直接下载mmcv==2.1.0版本尝试解决。在这个mmcv库中直接下载wheel。2.首先通过pip命令安装wheel。出现错误：无法从构建wheel。在这个mmcv库中下载。

【零基础保姆级教程】mmcv安装教程

热门推荐

2401_84870184的博客

08-09

1万+

mmcv这个库比较难安装，但在进行深度学习工作的时候却又很难避开，若是没有安装conda环境和CUDA环境的尤其难安装，若大家有遇到mmcv安装上的问题，可按照本文的步骤一步步安装即可解决。

Windows11下安装mmcv和mmdet过程以及官方demo运行报错ImportError: DLL load failed while importing _ext:

weixin_47658128的博客

03-02

2431

显卡4060使用nvidia -smi 查看的驱动版本为12.3本地服务器的cuda版本为11.8虚拟环境中pytorch==2.1.0 cuda==11.8 python==3.8pytorch安装命令按照官方mmlab官方文档安装和如下图mmcv选择自己对应的torch和cuda版本安装mmdet我是使用mim命令。

mmcv安装说明（及pytorch版本对应）

Godxiaozhu的博客

08-07

7896

首先要说明的是mmcv-full这个包。在，mmcv分mmcv和mmcvfull，当时的mmcv是cpu版本，而。但是到后，，而mmcv是GPU版本。

mmpretrain和mmdetection区别

03-21

### mmpretrain与mmdetection的主要区别 #### 功能定位 `mmpretrain` 是 OpenMMLab 提供的一个专注于图像分类任务的开源框架，主要目标是对各种预训练模型进行研究和优化。它提供了丰富的图像分类算法实现以及多种预训练权重支持，适合用于图像分类及其相关领域的工作[^3]。相比之下，`mmdetection` 则是一个面向目标检测任务的框架，涵盖了从单阶段到两阶段的各种主流检测方法。它的设计更加模块化，允许用户轻松定制网络结构中的不同组件（如 backbone、neck 和 head），并支持多样的数据集适配能力[^1]。 #### 技术特点 - **mmpretrain**: 更加注重于高效地管理和利用大规模预训练模型资源，在迁移学习方面表现突出。其接口简洁明了，便于快速上手完成基础实验验证工作。 - **mmdetection**: 高度灵活可扩展的设计使其成为复杂视觉理解项目开发的理想工具之一。通过提供详尽文档说明及示例代码帮助开发者迅速掌握如何调整参数设置满足特定需求[^2]。 #### 使用场景分析对于仅需处理简单或者标准形式下的图片类别判断问题而言，则可以直接选用 `mmpretrain` 来加速研发进程；而当面临更复杂的计算机视觉挑战比如实例分割、关键点估计等时候，则应考虑采用功能更为全面强大的 `mmdetection` 平台来进行深入探索实践[^4]。 ```python # 安装命令对比 # MMPRETRAIN pip install openmim mim install mmpretrain # MMDetction pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection pip install -e . ``` 以上展示了两个库的基础安装方式，可以看出它们都依赖OpenMMLab生态系统的其他组成部分来构建完整的解决方案栈[^5]。