计算机视觉-mmdection训练coco数据集

open-mmlab安装环境版本

cuda = 10.1

python = 3.7.10

pytorch = 1.6.0

mmcv-full = 1.2.4

mmdet = 2.11.0

conda 创建环境

>conda remove -n open-mmlab --all

>conda create -n open-mmlab python=3.7 -y

>conda activate open-mmlab

出现如下错误：

解决方式：

>echo "conda activate" >> ~/.bashrc

>source ~/.bashrc

安装pytorch

我安装的是稳定版本的pytorch=1.7.1。pytorch的安装过程如下：

>conda install pytorch torchvision torchaudio cudatoolkit=10.1

出现如下错误：

解决方法：

>anaconda search -t conda lifelines

找到合适的版本，py37。选择最后一个 改名字，注意vfonov lifelines之间没有/

>conda install -c https://conda.anaconda.org/vfonov lifelines

还是不行，尝试用pip安装

> pip install pytorch torchvision torchaudio cudatoolkit==10.1

最后查阅进pytorch的官网：

>pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html --user

安装mmcv

>pip install mmcv-full==1.2.4-fhttps://download.openmmlab.com/mmcv/dist/cu101/torch1.6.0/index.html

安装mmdetection

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

>cd mmdetection

git克隆慢的解决方法：https://blog.csdn.net/qq_27006271/article/details/110098578

然后继续编译mmdeteion

>pip install -r requirements/build.txt

>pip install -v  -e .# or "python setup.py develop"

至此mmdetection的安装完成，如果还有一些问题，那就需要安装一些mmcv的依赖包然后再编译一下，看看是否可行。

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

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

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

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

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

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

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

测试用的代码

先敲python，然后测试

查看torch的版本

    >import torch, torchvision

    >print(torch.__version__, torch.cuda.is_available())

查看mmdet的版本

    >import mmdet

    >print(mmdet.__version__)

查看mmcv 的版本

    >from mmcv.ops import get_compiling_cuda_version, get_compiler_version

    >print(get_compiling_cuda_version())

    >print(get_compiler_version())

现有模型进行推断

Faster RCNN

以 R-50-FPN 为例，下载其model文件到mmdetection/checkpoints/。之后，进行推断，

参考：https://segmentfault.com/a/1190000038901219（这个链接非常好！ 完全适用，没有报错！）

coco数据集下载：https://bendfunction.gitbook.io/dataset-download/

复制到迅雷进行下载，按照上文连接，存放数据集位置

打开配置文件：mmdection/configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py

改学习率：mmdetection/configs/_base_/schedules/schedule_1x.py