win10下安装mmdetection的完整教程（使用gitee完成，对无法访问github的用户友好）

通过在两台不同的电脑上的测试，发现mmdetection对pytorch和cuda没有特殊需求，正常的pytorch版本大于1.6都可以使用mmdetection（博主环境为torch 1.10.1+cu113，但是官网说明主分支代码目前支持 PyTorch 1.5 以上的版本）。但是要求win10系统环境配置好了gpu版的pytorch执行环境。在这里完整的记录win10下安装和测试mmdetection的过程。

安装步骤

步骤一、安装mmcv

安装命令：pip install mmcv-full==1.4

步骤二、安装git

因为安装mmdetection时需要用到git命令去clone项目。Git - Downloads，安装过程中一直默认选项即可。

步骤三、下载mmdetection库

如果不想到github下载的话，可以到gitee、gitcode等平台下载mmdetection: 同步更新官方最新版 mmdetectionhttps://github.com/open-mmlab/mmdetection - Gitee.com

步骤四、修改对github的需求（非必要）

将mmdetection-master\requirements\tests.txt内的网站为gitee项目（可以正常访问github无需修改）。具体为：

将其中的第七行修改为kwarray
-e git+https://gitee.com/zhangming8/mmtracking#egg=mmtrack

具体如下所示

asynctest
codecov
flake8
interrogate
isort==4.3.21
# Note: used for kwarray.group_items, this may be ported to mmcv in the future.
kwarray
-e git+https://gitee.com/zhangming8/mmtracking#egg=mmtrack
onnx==1.7.0
onnxruntime>=1.8.0
pytest
ubelt
xdoctest>=0.10.0
yapf

步骤五、项目赋权（非必要）

可以先跳过进行步骤六，如果报权限错误则跳回步骤五。

赋予python文件和mmdetection-master项目完整权限，具体操作如下图所示

步骤六、安装mmdetection依赖项

以管理员权限启动装有pytoch环境的命令行，进入mmdetection-master目录，执行命令

pip install -r ./requirements.txt

步骤七、安装mmdetection

执行以下命令，安装mmdetection。更多细节可以参考官网教程：docs/zh_cn/get_started.md · monkey_cici/mmdetection - Gitee.com

进行编译 python setup.py build_ext --inplace
完成安装 python setup.py install develop

安装结果如图3所示

步骤八、测试mmdetetion

需要先安装jupyterlab，安装命令pip install jupyterlab

然后进入 mmdetection-master\demo目录，在命令行中输入jupyter lab启动jupyter环境

在 mmdetection-master目录下新建checkpoints目录

根据以下链接下载模型，并保存到checkpoints目录

https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth

在jupyter中打开inference_demo.ipynb，正常执行完即可。执行的输出如图4所示

完整的测试代码如下所示，需要按照自己的情况修改路径。

from mmdet.apis import init_detector, inference_detector
root=r"D:/mmdetection-master/"
config_file = root+'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
# 从 model zoo 下载 checkpoint 并放在 `checkpoints/` 文件下
# 网址为: http://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
checkpoint_file = root+'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
device = 'cuda:0'
# 初始化检测器
model = init_detector(config_file, checkpoint_file, device=device)
# 推理演示图像
inference_detector(model, 'D:\\test1.png')

步骤九、使用mmdetection

使用mmdetection的教程可以参考以下链接，包含训练、测试与验证过程mmdetection2的使用教程从数据处理、配置文件到训练与测试（支持coco数据和pascal_voc数据）_万里鹏程转瞬至的博客-CSDN博客本文主要讲述mmdetection的训练与测试，以数据处理为起点，到数据集划分、数据集转换、配置文件编写、模型训练与测试和使用。由于mmdetection2默认的数据格式是coco格式，而labelimg生成的标注文件却是xml（最贴近voc数据），为此以coco数据集为基准。我们可以使用mmdetection中的数据转换方法将pascal_voc数据集转换为coco数据集，从而实现对coco数据和pascal_voc数据的支持。pascal_voc数据集转换为coco数据集前需要注意，一定要先划分数据集（https://blog.csdn.net/a486259/article/details/124617894