（详细教程）mmdetection训练自己的模型，测试，评估

1. 简介

商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN，Cascade-RCNN等主流目标检测框架。可以快速部署自己的模型。

2.环境要求

1. Linux (不支持windows)
2. Python 3.5+
3. >=PyTorch 1.1
4. >=CUDA 9.0
5. NCCL 2
6. >=GCC 4.9
7. mmcv

3.安装

按照官方文档建议先安装Anaconda,创建python虚拟环境,使用conda进行安装

1. conda创建一个虚拟环境

conda create -n open-mmlab python=3.7 -y #创建名为open-mmlab,python版本为3.7的虚拟环境
conda activate open-mmlab  #进入虚拟环境

2. 安装pytorch及torchvision

conda install pytorch torchvision -c pytorch

将会安装以下包

如果不指定任何版本会安装最新的cuda10.1版的pytorch=1.4。可以指定pytorch和对应的cuda版本，如安装cuda9.0版的pytorch1.1

conda install pytorch=1.1 torchvision cudatoolkit=9.0 -c pytorch

网速问题
conda 使用默认源可能下载的很慢，可以改成国内的清华源，在用户目录下创建.condarc文件

gedit ~/.condarc

将下面这部分清华源代码复制到用户目录~/.condarc文件里

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

查看一下当前使用源

conda config --show-sources

显示清华源就好了，如果不行conda clean -i更新一下。
还因为网速问题下载不了的话，下载不了的时候会在错误中提示包的下载地址，手动下载下来放到~/anaconda3/pkgs/目录下,使用以下命令安装本地包

conda install --use-local  mypackage

3. 下载mmdetection

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection

4. 安装mmdetection

pip install mmcv cython   #安装mmcv和cython
pip install albumentations>=0.3.2 imagecorruptions pycocotools six terminaltables #安装依赖包
python setup.py develop  #编译mmtection库，需要等一会

pip安装时如果速度很慢，临时使用在后面加 -i https://pypi.tuna.tsinghua.edu.cn/simple，使用国内源，例如使用清华源安装mmcv：

pip install mmcv -i https://pypi.tuna.tsinghua.edu.cn/simple

永久更换为国内源则建文件~/.pip/pip.conf

mkdir ~/.pip
cd ~/.pip
gedit pip.conf

复制以下内容即可

[global]
 
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

必须先安装mmcv，再运行setup.py编译,不然会报错。

6. 验证是否安装成功

下载一个faster_rcnn_r50_fpn_1x的预训练模型，保存到mmdetection/checkpoints目录下,运行下面的代码,如果能显示图片，说明安装成功了。

from mmdet.apis import init_detector, inference_detector, show_result
import mmcv

config_file = 'configs/faster_rcnn_r50_fpn_1x.py'
checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth'

# build the model from a config file and a checkpoint file
model = init_detector(config_file, checkpoint_file, device='cuda:0')

# test a single image and show the results
img = 'test.jpg'  # or