mmdetection安装与测试（Windows环境）

这是在Windows系统安装完mmdetection后的总结。

官方mmdetection教程：https://mmdetection.readthedocs.io/en/latest/

一、最终安装版本信息与安装前提

最终安装版本
· 显卡：NVIDIA GeForce MX330
· 系统：Windows 11
· python：3.9.15
· cuda：11.3
· cudnn：8.4.0
· pytorch：1.10.0
· torchvision：0.11.1
· mmcv-full：1.7.0
· mmdetection：2.27.0
安装前提
下载Git，可以直接用git命令从GitHub下载代码仓库，在之后的安装中使用源代码安装，使安装更加稳定。
下载地址： https://git-scm.com/download/win
我下载时总是一卡一卡的时不时下载失败，如想下载更快，可用换源方法（虽然我没有试过）
Git安装教程很多，可以自行搜索。

二、安装顺序

大致安装顺序：Anaconda(python) — CUDA和cuDNN — Pytorch — mmcv-full — mmpose — mmpycocotools — mmdetection

1. Anaconda的安装(内置python)

官网：https://www.anaconda.com/products/distribution
去官网进行下载并安装，安装教程很多。建议事先不要下载python，不然会很麻烦
下载安装完毕后，打开Anaconda Prompt(Anaconda3)，输入：

python

可以得知python的版本，我的是python 3.9.13

输入Ctrl+Z 退出python编辑器

在base环境下创建虚拟环境：

conda create --n mmdet python=3.9
y

上述mmdet可换成任意名称，此为虚拟环境的名称。

2.CUDA和cuDNN的安装和检测

cuDNN是对CUDA的补充，有很多CUDA和cuDNN的教程就不细说了，下载完cuDNN后将其覆盖CUDA中的同名称文件夹就行。下面是CUDA和cuDNN的官方教程地址：

CUDA官方教程：https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html
cuDNN官方教程：https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#installwindows

3. Pytorch的安装和测试

·安装
首先构建python的虚拟环境！！！
pytorch一定要安装在虚拟环境内！！！不能在(base)里！！血的教训啊！！
激活环境mmdet

conda activate mmdet

运行结果如下：

在Pytorch官网，向下滑

按电脑配置进行选择，对表格最下面的Run this Commond后显示的一串命令代码进行复制然后粘贴到Anaconda Prompt里面去进行安装。

但是！！！我在安装pytorch的时候老是报错！！！ 错误如下：

 ERROR: Failed building wheel for pytorch

解决方法：

pip3 install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

看到有人说是由于缺乏镜像资源，需要手动下载。

·检测安装情况
在虚拟环境（mmdet）下，输入

python
import torch
torch.__version__

注意 torch 后有.

结果如上则安装成功。

4.安装visualstudio2019

下载地址：https://learn.microsoft.com/zh-cn/visualstudio/releases/2019/release-notes

安装好后进行环境变量的配置：
我的文件路径是C:\Program Files\Microsoft Visual Studio\2022\Community\VC\Tools\MSVC\14.34.31933\bin\Hostx86\x64
我的安装路径是默认的路径，若修改了路径，则在安装的文件中自行按照我的路径查找至x64。
点击开始按钮，搜索环境变量，双击编辑系统环境变量

点击环境变量(N)...

双击Path

点击新建，然后将文件路径复制粘贴至空白区域，然后点确认。

5.mmcv-full的安装和检测

·下载
用管理员身份运行Anaconda Powershell Prompt

conda activate mmdet

方法一：mim install

pip install -U openmim
mim install mmcv-full

我照着一些帖子说的用pip下载安装，每次都会报错Building wheel for mmcv-full (setup.py) ... error 啊啊啊！烦死我了！！！然后用git方法直接下载结果下载的是mmcv，不是mmcv-full,后来发现可以用mim install，亲测可以！！！
但是，我当时不知道是哪里出错了不能使用mim install，即使是安装了openmim工具包也不行！不过后面发现可以先卸载再安装。
所以我直接下载了whl文件，这个也是可以的！

方法二：直接下载whl文件

pip install /C:/Users/16619/download/mmcv_full-1.7.0-cp39-cp39-win_amd64.whl

·验证

pip show mmcv-full

得到上面图片的样子便是安装成功啦！

6.mmpose和mmpycocotools的安装和检测（顺序可颠倒）

前面的都解决了，这两个工具包那就是小case啦！
·mmpose

git clone https://github.com/open-mmlab/mmpose.git
cd mmpose
pip install -r requirements.txt
pip install -v -e .  # or "python setup.py develop"

注意：最后一行命令-e的后面有.
最后一行命令也可以是python setup.py develop。
·mmpycocotools
先下载pycocotools

pip install pycocotools

再安装mmpycocotools

pip install mmpycocotools

·检测

pip list

然后可以在表格中找是否有mmpose和mmpycocotools

7.mmdetection的安装

方法一：源代码安装

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

方法二：pip安装

pip install mmdet

三、mmdetection测试

（用管理员身份运行Anaconda Powershell Prompt）在下载配置和检查点文件的时候不知道为什么报错缺少mmengine,所以我还需要安装一个mmengine，可能是我前面的下载哪里缺了点。
安装还是在虚拟环境中
1）使用mim下载

pip install -U openmim
mim install mmengine

2）使用pip安装

pip install mmengine

1.下载配置和检查点文件

mim download mmdet --config yolov3_mobilenetv2_320_300e_coco --dest .

下载将需要几秒钟或更长时间，具体取决于网络环境。完成后，可以在当前文件夹中找到两个文件。
1.yolov3_mobilenetv2_320_300e_coco.py
2.yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth

2.验证推理演示

1）如果从源代码安装 mmdetection，只需运行以下命令。

python demo/image_demo.py demo/demo.jpg yolov3_mobilenetv2_320_300e_coco.py yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth --device cpu --out-file result.jpg

运行成功后可以在文件夹中看见一个新图像result.jpg。其中会有边界框绘制在汽车、长凳等物体上。新图像result.jpg打开如下图所示：

2）如果从 pip 安装 mmdetection，请打开 python 解释器并复制并粘贴以下代码。

from mmdet.apis import init_detector, inference_detector

config_file = 'yolov3_mobilenetv2_320_300e_coco.py'
checkpoint_file = 'yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth'
model = init_detector(config_file, checkpoint_file, device='cpu')  # or device='cuda:0'
inference_detector(model, 'demo/demo.jpg')

运行成功后，会看到打印的数组列表，指示检测到的边界框。
虽然但是，我使用源代码安装后运行上述命令出现报错:无法找到文件路径demo\demo.jpg
解决方法：在demo前加上mmdetection/就可以了，命令如下：

python mmdetection/demo/image_demo.py mmdetection/demo/demo.jpg yolov3_mobilenetv2_320_300e_coco.py yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth --device cpu --out-file result.jpg

四、安装过程中会出现的一些问题

问题一：

解决方法：使用管理员身份运行

问题二：'mim’不是内部或外部命令，也不是可运行的程序或批处理文件

刚开始即使下载了openmim依旧用不了mim install 急死我了！！（也可能是因为我当时没有下载mmpycocotools库的原因导致的）
解决方法：

pip uninstall openmim
pip install -U openmim

嘿嘿！重新下载一下就好啦！

问题三：安装的时候出现超时现象，然后程序终止
解决方法：多试几次（可能是网络不好）
或者是运行代码(若还是不行，则可将1000.0改为2000.0)：

conda config --set remote_read_timeout_secs 1000.0

问题四：OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized
解决方法：暴力解决法：点开文件管理器，在搜索一栏直接搜索libiomp5md.dll，然后查找出来的所有里面留下一个，其他都右键删除即可。