【环境配置】SOLO (Segmenting Objects by Locations)

前言

撰写时间：2023年11月22日。

本文记录本人在配置 SOLO (SOLO: Segmenting Objects by Locations) 时的步骤以及问题的解决。

在 windows10 上配置没有成功，最后在 ubuntu20.04 上配置成功，系统信息如下：

在安装相关依赖时可能需要使用清华源，即 pip install 最后加上：

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

我所参考的博文：SOLOv1环境配置

SOLO 源码地址：SOLO: Segmenting Objects by Locations

下面进入正文。

一、SOLO 环境配置

1.1 创建虚拟环境

conda create -n solo python==3.7.3

conda activate solo

1.2 安装指定版本的 torch 和 torchvision

pip install torch==1.4.0 torchvision==0.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

1.3 安装其他依赖

opencv：

conda install opencv

其他：

pip install cython numpy albumentations==0.3.2 imagecorruptions matplotlib pytest-runner mmcv==0.2.16 numpy Pillow==6.2.2 six terminaltables asynctest codecov flake8 isort pytest  pytest-cov pytest-runner xdoctest==0.10.0 yapf kwarray pycocotools -i https://pypi.tuna.tsinghua.edu.cn/simple

如果上面这样安装不行，就分开一个个装。

另外需要注意的是，安装 mmcv==0.2.16，而不是 mmcv==0.2.15。原因放在最后一节。

1.4 克隆 SOLO 并编译

克隆 SOLO源码：

git clone https://github.com/WXinlong/SOLO.git

cd SOLO

编译：

python setup.py develop

编译成功最后会显示 Finished processing ...：

这篇博文要求先克隆并编译 mmdetection，我实测发现并不需要。

1.5 环境测试

下载网络权重文件：https://cloudstor.aarnet.edu.au/plus/s/dXz11J672ax0Z1Q/download

在 SOLO 目录下创建名为 checkpoints 的文件夹，并把刚刚下载的权重文件放进去。

测试 demo：

cd demo

python inference_demo.py

输出在 demo 文件夹下的 demo_out.jpg：

至此环境搭建完成。

二、报错与解决

之前装的是 mmcv==0.2.15 ，在编译 SOLO 时出现了错误，观察了一下输出可以看到在寻找 0.2.16 版本的 mmcv，所以重装了 mmcv==0.2.16 后就没有再报错了：