关于安装mmdetection

@author: dassein75325

@date: Nov/4/2018

文章目录

关于安装mmdetection
- 电脑配置
- NVIDIA driver
- - 0. 下载 driver （.run 文件）
  - 1. 先卸载原有N卡驱动
  - 2. 禁用nouveau驱动
  - 3. 禁用X-Window服务
  - 4. 命令行安装驱动
- CUDA & cudatoolkit
- - 0. 下载 CUDA (包含cudatoolkit)
  - 1. 安装 cudatoolkit
  - 2. 更新 .bashrc
  - 3. 安装 cuda
  - 4. 验证安装是否成功
- cudNN （7.0）
- - 0. uninstall 以前的 cudNN
  - 1. 准备 cudNN 7.0
  - 2. 安装 cudNN 7.0
- pytorch & torchvision
- - 1. 下载对应的 pytorch & torchvision
  - 2. 安装
  - 3. 测试是否安装好
- mmdetection

电脑配置

nvidia GTX950M
Linux Ubuntu 16.10 64bit

NVIDIA driver

0. 下载 driver （.run 文件）

https://www.geforce.cn/drivers

选择对应显卡，从而找到对应驱动，.run文件越新越好

(否则之后会遇见 CUDA driver version is insufficient for CUDA timer version)

此处我下载了：NVIDIA-Linux-x86_64-410.73.run，网址如下

https://www.geforce.cn/drivers/results/139110

1. 先卸载原有N卡驱动

#for case1: original driver installed by apt-get:
sudo apt-get remove --purge nvidia*#for case2: original driver installed by runfile:
sudo chmod +x *.run
sudo ./NVIDIA-Linux-x86_64-390.87.run --uninstall

如果原驱动是用apt-get安装的，就用第1种方法卸载。
如果原驱动是用runfile安装的，就用–uninstall命令卸载NVIDIA-Linux-x86_64-390.87.run。

其实，用runfile安装的时候也会卸载掉之前的驱动，所以不手动卸载亦可。

2. 禁用nouveau驱动

sudo gedit /etc/modprobe.d/blacklist.conf

在文本最后添加：（禁用nouveau第三方驱动，之后也不需要改回来）

blacklist nouveau
options nouveau modeset=0

3. 禁用X-Window服务

两种方法：

法1：

sudo service lightdm stop #这会关闭图形界面，但不用紧张

按Ctrl-Alt+F1进入命令行界面，输入用户名和密码登录即可。

小提示：在命令行输入：sudo service lightdm start ，然后按Ctrl-Alt+F7即可恢复到图形界面。

法2：（本人法1无法进入命令行界面）

cd /tmp
sudo rm -rf .X*

可以把关于X的图像界面文件全部删除（每次重启都会再次生成，所以会在alt+ctrl+f1界面下操作）

4. 命令行安装驱动

#给驱动run文件赋予执行权限：
sudo chmod +x NVIDIA-Linux-x86_64-384.59.run
#后面的参数非常重要，不可省略：
sudo ./NVIDIA-Linux-x86_64-384.59.run –no-x-check -no-nouveau-check -no-opengl-files

–no-x-check 安装驱动时关闭X服务
–no-nouveau-check 安装驱动时禁用nouveau
–no-opengl-files 只安装驱动文件，不安装OpenGL文件

因为NVIDIA的驱动默认会安装OpenGL，

而Ubuntu的内核本身也有OpenGL、且与GUI显示息息相关，

一旦NVIDIA的驱动覆写了OpenGL，在GUI需要动态链接OpenGL库的时候就引起问题。

Driver测试：

nvidia-smi #若列出GPU的信息列表，表示驱动安装成功
nvidia-settings #若弹出设置对话框，亦表示驱动安装成功

Sun Nov  4 11:01:24 2018
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 410.73       Driver Version: 410.73       CUDA Version: 10.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 950M    Off  | 00000000:01:00.0 Off |                  N/A |
| N/A   39C    P0    N/A /  N/A |      0MiB /  2004MiB |      0%      Default |
+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

ERROR: Unable to load info from any available system  # nvidia-settings 不成功也行

CUDA & cudatoolkit

cuda 必须使用 9.0，否则出现错误：

ImportError: libcublas.so.9.0: cannot open shared object file: No such file or directory

问题：找不到cuda9.0的版本。
出现该错误的主要原因：cuda未安装或者cuda的版本有问题

这个错误在安装tensorflow时经常会出现，但是在官方的常见问题中没有提到，如果你使用下面的方法没有解决的话，可以在评论中留言。

对于tensorflow 1.7版本，只接受cuda 9.0（9.1也不可以！），和cudnn 7.0，所以如果你安装了cuda9.1和cudnn7.1或以上版本，那么你需要重新安装9.0和7.0版本。

0. 下载 CUDA (包含cudatoolkit)

cudatoolkit下载网址：

https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

选择版本：

NVIDIA-Linux-x86_64-410.73.run => cudatoolkit

cuda下载网址：

https://conda.anaconda.org/pytorch/linux-64

选择版本：

cuda90-1.0-h6433d27_0.tar.bz2 => cuda

1. 安装 cudatoolkit

卸载之前的 cuda92

conda uninstall cudnn
#The following packages will be REMOVED:
#    cudnn: 7.2.1-cuda9.2_0
conda uninstall cuda92
# The following packages will be REMOVED:
#    cuda92: 1.0-0 pytorch
conda uninstall cudatoolkit
# The following packages will be REMOVED:
#    cudatoolkit: 9.2-0

安装：

cd ~/Downloads
sudo sh cuda_9.0.176_384.81_linux.run
# 已经安装了 cuda toolkit

2. 更新 .bashrc

安装完正确的版本后，确认你在你的_{/.bashrc（或者}/.zshrc）文件中

sudo gedit /root/.bashrc

加入了下面环境变量

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64
export PATH=$PATH:/usr/local/cuda-9.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-9.0

然后更新

sudo /root/.bashrc

3. 安装 cuda

conda uninstall cuda90
conda uninstall cudatoolkit
cd ~/Downloads
conda install cuda90-1.0-h6433d27_0.tar.bz2

4. 验证安装是否成功

nvcc -V

结果：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176

conda list |grep cuda

结果：

cuda90                    1.0                  h6433d27_0    <unknown>
cudatoolkit               9.0                  h13b8566_0

cudNN （7.0）

0. uninstall 以前的 cudNN

conda uninstall cudnn
#The following packages will be REMOVED:
#    cudnn: 7.2.1-cuda9.2_0

之前卸载CUDA时，已经操作过了

1. 准备 cudNN 7.0

理由同安装 CUDA 9.0

网站：

https://developer.nvidia.com/rdp/cudnn-archive

选择：

Download cuDNN v7.0.4 (Nov 13, 2017), for CUDA 9.0的

cuDNN v7.0.4 Library for OSX

https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.0.4/prod/9.0_20171031/cudnn-9.0-osx-x64-v7

下载后得：

cudnn-9.0-osx-x64-v7.tgz

解压得cuda 文件夹

cd ~/Downloads
tar xvfz cudnn-9.0-osx-x64-v7.tgz

2. 安装 cudNN 7.0

cd ~/Downloads/cuda # 进入cuda 文件夹
sudo cp ~/Downloads/cuda/include/cudnn.h /usr/local/cuda-9.0/include/
sudo cp ~/Downloads/cuda/lib/libcudnn* /usr/local/cuda-9.0/lib64/ -d
sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h
sudo chmod a+r /usr/local/cuda-9.0/lib64/libcudnn*

pytorch & torchvision

conda install yaml  # 否则 在mmdection 的python setup.py install 会有 fatal error

1. 下载对应的 pytorch & torchvision

下载对应的 pytorch & torchvision 的网站：

https://conda.anaconda.org/pytorch/linux-64

选择 pytorch （必须是 0.4.1, 配套py3 .6，cuda9.0 否则 mmdetection 例程报错）

pytorch-0.4.1-py36_cuda9.0.176_cudnn7.1.2_1.tar.bz2

https://conda.anaconda.org/pytorch/linux-64/pytorch-0.4.1-py36_cuda9.0.176_cudnn7.1.2_1.tar.bz2

选择 torchvision:

torchvision-0.2.1-py36_1.tar.bz2

https://conda.anaconda.org/pytorch/linux-64/torchvision-0.2.1-py36_1.tar.bz2

2. 安装

cd ~/Downloads
conda install pytorch-0.4.1-py36_cuda9.0.176_cudnn7.1.2_1.tar.bz2
conda install torchvision-0.2.1-py36_1.tar.bz2

3. 测试是否安装好

conda list | grep cuda

结果：

# 我之前装过 nccl2_2, 故有如此
# conda install pytorch-0.3.1-py36_cuda9.0.176_cudnn7.0.5_nccl2_2.tar.bz2
# conda uninstall pytorch
# conda uninstall cudnn
# conda uninstall cuda
# conda uninstall cuda90
# 之后我才安装cuda & cudatoolkit
cuda90                    1.0                  h6433d27_0    <unknown>
cudatoolkit               9.0                  h13b8566_0
cudnn                     7.1.2                 cuda9.0_0
nccl                      1.3.5                 cuda9.0_0
pytorch                   0.4.1           py36_cuda9.0.176_cudnn7.1.2_1    file:///home/dassein/Downloads

mmdetection

找到官方网址

https://github.com/open-mmlab/mmdetection

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

dassein@pad:~/mmdetection$ cd ~/mmdetection
dassein@pad:~/mmdetection$ conda create -n open-mmlab python=3.6 -y
dassein@pad:~/mmdetection$ source activate open-mmlab
(open-mmlab) dassein@pad:~/mmdetection$ conda install -c pytorch pytorch torchvision -y
(open-mmlab) dassein@pad:~/mmdetection$ conda install cython -y
(open-mmlab) dassein@pad:~/mmdetection$ ./compile.sh
(open-mmlab) dassein@pad:~/mmdetection$ python setup.py install
(open-mmlab) dassein@pad:~/mmdetection$ python test_image.py

在python test_image.py 之前先在 mmdetection 内放入 test.jpg, test1.jpg, test2.jpg 三张有人的图

下载好 faster-rcnn 的pth文件，放入 mmdetection 文件，网址如下：

https://s3.ap-northeast-2.amazonaws.com/open-mmlab/mmdetection/models/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth

test_image.py

import mmcv
from mmcv.runner import load_checkpoint
from mmdet.models import build_detector
from mmdet.apis import inference_detector, show_resultcfg = mmcv.Config.fromfile('/home/dassein/mmdetection/configs/faster_rcnn_r50_fpn_1x.py')
cfg.model.pretrained = None# construct the model and load checkpoint
model = build_detector(cfg.model, test_cfg=cfg.test_cfg)
# _ = load_checkpoint(model, 'https://s3.ap-northeast-2.amazonaws.com/open-mmlab/mmdetection/models/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth')
_ = load_checkpoint(model, 'faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth')# test a single image
img = mmcv.imread('test.jpg')
result = inference_detector(model, img, cfg)
show_result(img, result)# test a list of images
imgs = ['test1.jpg', 'test2.jpg']
for i, result in enumerate(inference_detector(model, imgs, cfg, device='cuda:0')):print(i, imgs[i])show_result(imgs[i], result)

运行

python test_image.py

后，每摁一次0,就会依次出现标记好带方框的 test.jpg, test1.jpg, test2.jpg 三张有人的图

# mmcv 库 被mmdetection 使用: import mmcv
# show_result(img, result) 通过查mmcv.pdf手册
# show_result() 在 ~/mmcv/visualization/image.py 中
# show_result() 调用了 自定义的 inshow()
def imshow(img, win_name='', wait_time=0):"""Show an image.Args:img (str or ndarray): The image to be displayed.win_name (str): The window name.wait_time (int): Value of waitKey param."""cv2.imshow(win_name, imread(img))cv2.waitKey(wait_time)
# 所以每摁一次0,就会依次出现下一张图