win10配置mmcv

显卡:NVIDIA GeForce RTX 3070 Laptop GPU
conda create -n mmseg python=3.7

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
pip install torch1.9.0
pip install torchaudio
0.9.0
pip install torchvision==0.10.0

在环境变量配置好的情况下
$env:TORCH_CUDA_ARCH_LIST=“8.6”
$env:MMCV_WITH_OPS = 1
$env:MAX_JOBS = 8

python setup.py build_ext

python setup.py develop
注:执行python setup.py develop可能出现权限错误,用管理员身份打开Anaconda powershell prompt,再回到mmcv中执行python setup.py 就可以了develop

官方配置连接:https://mmcv.readthedocs.io/en/latest/get_started/build.html

### 在 Windows 10 上安装和配置 MMDetection 框架 #### 创建 Conda 环境 为了确保依赖项管理得当并减少冲突,建议使用 Anaconda 或 Miniconda 来创建独立的 Python 虚拟环境。以下是具体操作方法: 通过命令行执行以下指令来创建一个新的 conda 环境,并激活它: ```bash conda create -n mmdet python=3.8 -y conda activate mmdet ``` 这一步骤有助于隔离不同项目的依赖关系,从而降低潜在错误的发生概率[^1]。 #### 安装必要的依赖库 在成功设置好虚拟环境之后,需要进一步安装一些基础工具包以及 PyTorch 和 torchvision 的对应版本。对于 CPU 版本而言,可以按照如下方式完成这些软件包的部署: 更新 pip 并安装基本需求文件中的所有项目: ```bash pip install --upgrade pip pip install numpy scipy cython matplotlib Pillow tqdm opencv-python yapf pyyaml ipython ``` 接着针对特定硬件条件选择合适的预编译二进制文件来进行 PyTorch 及其扩展组件的加载工作。由于这里讨论的是基于纯 CPU 架构的情况,则可采用下面这条语句实现自动化下载过程: ```bash pip install torch==1.9.0+cpu torchvision==0.10.0+cpu torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 上述命令会依据官方存储库获取适配当前系统的稳定版程序集[^3]。 #### 获取源码与构建 MMCV 下一步是从远程服务器拉取最新发布的开源代码副本到本地机器上。利用 Git 工具克隆目标仓库地址即可达成此目的: ```bash git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection ``` 随后进入刚刚建立起来的工作目录内部,参照文档指示准备自定义模块所需的额外构件材料——即 Multimedia Computer Vision (MMCV),它是整个检测体系不可或缺的一部分。考虑到兼容性和性能优化方面的要求,在实际应用过程中推荐优先尝试 MMcv-lite 版本选项: ```bash pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cpu/py3.8/index.html ``` 如果遇到任何阻碍或者希望获得更详尽的帮助信息,请访问官方网站查阅详细的教程资料[^2]。 #### 验证安装成果 最后一步就是确认所有的前期准备工作都已经顺利完成无误。可以通过简单的测试脚本来验证整体架构能否正常运作。例如运行样例演示案例查看效果表现是否符合预期标准。 ```python from mmdet.apis import init_detector, inference_detector import cv2 config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py' checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth' model = init_detector(config_file, checkpoint_file, device='cpu') img = 'demo/demo.jpg' result = inference_detector(model, img) model.show_result(img, result, out_file="output.png") ``` 以上便是完整的解决方案概述[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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