mmdetection 安装与使用（win10）

一、安装

（1）创建虚拟环境：

conda create -n mmdec python=3.6

完成

（2）激活虚拟环境，安装torch（现在mmdetection需要的torch最低版本为1.1.0）

activate mmdec

发现官网的这个pip也是挺快的（https://pytorch.org/）

pip install http://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-win_amd64.whl （本人使用）

pip (--default-timeout=600等待时间) install ****** 若果超时可以用下面的多等待一会儿

其他版本路径：

https://download.pytorch.org/whl/cpu/torch-1.1.0-cp36-cp36m-win_amd64.whl（WIN,CPU）https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-win_amd64.whl （WIN,CUDA 10.0）
https://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whl （WIN,CUDA 9.0）pip install https://download.pytorch.org/whl/cu100/torch-1.0.1-cp35-cp35m-linux_x86_64.whl（linux，CUDA 10.0）

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

pip install cython

pip install scikit-image

pip install torchvision

Pycocotools 这个东西windows安装需要https://github.com/philferriere/cocoapi下载后进入pythonAPI文件夹内

使用python setup.py install

继续安装上面缺少的库：

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

V2EX：http://pypi.v2ex.com/simple
豆瓣：http://pypi.douban.com/simple
中国科学技术大学：http://pypi.mirrors.ustc.edu.cn/simple
清华：https://pypi.tuna.tsinghua.edu.cn/simple

(3)安装mmcv

直接pip安装就可以：pip install mmcv

以前我是按照以下安装的

下载：https://github.com/open-mmlab/mmcv

pip install .

补充，电脑重装遇到的问题：anaconda3\envs\torch\lib\site-packages\pip\compat\__init__.py", line 75, in console_to_str
return s.decode('utf_8')
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa1 in position 60: invalid start byte

发现是pip版本过低，更新pip 解决问题| python -m pip install --upgrade pip

（4）安装

mmdetection 1.x版本：如果你安装的是VS2015，自定义安装，updata3需要选上，否则这一步失败。

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

使用如下命令安装

python setup.py develop -i https://pypi.tuna.tsinghua.edu.cn/simple

mmdetection 2.x版本，使用原本的VS2015报错，然后我安装了vs2019结果cuda又不支持了，我太难了

纠结了一下是升级cuda还是卸载vs2019，决定重新安装一个VS2017 试试。

待续。。。2.1版本的报错，先安装了个2.0 的

的

ubuntu下和1.x一样的安装方式正常安装

（5）测试

from mmdet.apis import init_detector, inference_detector, show_result
config_file = './configs/faster_rcnn_r50_fpn_1x.py'
checkpoint_file = './checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth'
model = init_detector(config_file, checkpoint_file)
img = 'demo.jpg'
result = inference_detector(model, img)
show_result(img, result, model.CLASSES)

遇到问题：

0、ImportError: cannot import name 'get_dist_info'

mmcv版本和mmdetection版本不匹配

1、在测试的时候提示：AttributeError: module 'torch.distributed' has no attribute 'is_initialized'定位到错误处修改

-------------------------------------------------------分割线-------------------------------------------------

使用自己的数据集进行训练

1数据集准备：

因为一直用的都是VOC数据集，所以直接训练Voc的数据集

2.在mmdet/datasets文件夹内，修改自己的数据

1、在__init__ 中新增自己的

2、复制voc重命名成自己的MyData.py修改地方已标红

3.修改configs中的配置文件

# model settings
model = dict(type='FasterRCNN',pretrained='torchvision://resnet50',backbone=dict(type='ResNet',depth=50,num_stages=4,out_indices=(0, 1, 2, 3),frozen_stages=1,style='pytorch'),neck=dict(type='FPN',in_channels=[256, 512, 1024, 2048],out_channels=256,num_outs=5),rpn_head=dict(type='RPNHead',in_channels=256,feat_channels=256,anchor_scales=[8],anchor_ratios=[0.5, 1.0, 2.0],anchor_strides=[4, 8, 16, 32, 64],target_means=[.0, .0, .0, .0],target_stds=[1.0, 1.0, 1.0, 1.0],loss_cls=dict(type='CrossEntropyLoss', use_sigmoid=True, loss_weight=1.0),loss_bbox=dict(type='SmoothL1Loss', beta=1.0 / 9.0, loss_weight=1.0)),bbox_roi_extractor=dict(type='SingleRoIExtractor',roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2),out_channels=256,featmap_strides=[4, 8, 16, 32]),bbox_head=dict(type='SharedFCBBoxHead',num_fcs=2,in_channels=256,fc_out_channels=1024,roi_feat_size=7,num_classes=3,  # 类别+1target_means=[0., 0., 0., 0.],target_stds=[0.1, 0.1, 0.2, 0.2],reg_class_agnostic=False,loss_cls=dict(type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)))
# model training and testing settings
train_cfg = dict(rpn=dict(assigner=dict(type='MaxIoUAssigner',pos_iou_thr=0.7,neg_iou_thr=0.3,min_pos_iou=0.3,ignore_iof_thr=-1),sampler=dict(type='RandomSampler',num=256,pos_fraction=0.5,neg_pos_ub=-1,add_gt_as_proposals=False),allowed_border=0,pos_weight=-1,debug=False),rpn_proposal=dict(nms_across_levels=False,nms_pre=2000,nms_post=2000,max_num=2000,nms_thr=0.7,min_bbox_size=0),rcnn=dict(assigner=dict(type='MaxIoUAssigner',pos_iou_thr=0.5,neg_iou_thr=0.5,min_pos_iou=0.5,ignore_iof_thr=-1),sampler=dict(type='RandomSampler',num=512,pos_fraction=0.25,neg_pos_ub=-1,add_gt_as_proposals=True),pos_weight=-1,debug=False))
test_cfg = dict(rpn=dict(nms_across_levels=False,nms_pre=1000,nms_post=1000,max_num=1000,nms_thr=0.7,min_bbox_size=0),rcnn=dict(score_thr=0.05, nms=dict(type='nms', iou_thr=0.5), max_per_img=100)# soft-nms is also supported for rcnn testing# e.g., nms=dict(type='soft_nms', iou_thr=0.5, min_score=0.05)
)
# dataset settings
dataset_type = 'MyData'
data_root = 'E:/mm/VOCdevkit/'
img_norm_cfg = dict(mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
data = dict(imgs_per_gpu=2,workers_per_gpu=2,train=dict(type='RepeatDataset',  # to avoid reloading datasets frequentlytimes=3,dataset=dict(type=dataset_type,ann_file=[data_root + 'VOC2007/ImageSets/Main/train.txt'],img_prefix=[data_root + 'VOC2007/'],img_scale=(400, 400),img_norm_cfg=img_norm_cfg,size_divisor=32,flip_ratio=0.5,with_mask=False,with_crowd=False,with_label=True)),val=dict(type=dataset_type,ann_file=data_root + 'VOC2007/ImageSets/Main/val.txt',img_prefix=data_root + 'VOC2007/',img_scale=(400, 400),img_norm_cfg=img_norm_cfg,size_divisor=32,flip_ratio=0,with_mask=False,with_crowd=False,with_label=True),test=dict(type=dataset_type,ann_file=data_root + 'VOC2007/ImageSets/Main/test.txt',img_prefix=data_root + 'VOC2007/',img_scale=(400, 400),img_norm_cfg=img_norm_cfg,size_divisor=32,flip_ratio=0,with_mask=False,with_crowd=False,with_label=False,test_mode=True))# optimizer
optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))
# learning policy
lr_config = dict(policy='step',warmup='linear',warmup_iters=500,warmup_ratio=1.0 / 3,step=[8, 11])
checkpoint_config = dict(interval=1)
# yapf:disable
log_config = dict(interval=100,hooks=[dict(type='TextLoggerHook'),# dict(type='TensorboardLoggerHook')])
# yapf:enable
# runtime settings
total_epochs = 12
dist_params = dict(backend='nccl')
log_level = 'INFO'
work_dir = 'model'
load_from = None
resume_from = None
workflow = [('train', 1)]

4.使用tools中的train训练

config 变为--config =“配置文件”

5.测试

下载权重

常见问题（本人遇见的）：

1、在训练的时候提示的：KeyError: 'None is not in the dataset registry'

修改mmdet/datasets内修改不完整

2、在训练完一个epoch保存权重后提示的：OSError: symbolic link privilege not held

以管理员身份运行pycharm

mmdetection 安装与使用（win10）相关推荐

PostgreSQL10.5安装后（Win10）环境变量配置与运行
一.PostgreSQL10.5安装后(Win10)环境变量配置安装见:PostgreSQL10.5安装详细步骤(Win10) 需要设置环境变量,包括三项:data存放路径,lib以及bin目录 C ...
Mac安装双系统-win10
选择并下载windows镜像我安装的是win10 64位专业版,很多地方都可以下载的到windows系统镜像,我是在MSDN,我告诉你下载的.win10有家庭版.专业版.企业版和教育版.不同的版本功 ...
ISE 14.7安装教程最新版（Win10安装）——解决Win10安装完后打不开快捷方式的方法
ISE 14.7安装教程最新版(Win10安装)--解决Win10安装完后打不开快捷方式的方法参考文章: (1)ISE 14.7安装教程最新版(Win10安装)--解决Win10安装完后打不开快捷方 ...
8G的U盘轻松帮助你安装win7/win8/win10/xp系统
你的电脑是否也经常出现卡顿.死机?你的操作系统使用时间太久也会出现,电脑开机无法正常启动但又不是硬件问题,电脑深度中毒且杀毒不彻底.如果用户的电脑遇到上述情况,那么您的电脑最好重装一套操作系统,可是不 ...
# 华硕笔记本电脑如何配置win10系统U盘 # 以及安装或重装win10系统#
华硕笔记本电脑如何配置win10系统U盘以及安装或重装win10系统进入win10官网下载一个工具,之后运行这个工具将事先插入U盘做成系统盘. 对于如何下载win10并制作U盘,可以去参考这个网站 ...
Visual C++6.0安装教程（win10版）及“应用程序无法正常启动（0x0150002）”解决办法
Visual C++6.0安装教程(win10版)及"应用程序无法正常启动(0x0150002)"解决办法
不从Win7/Win8.1升级，直接全新安装并激活Win10方法
不从Win7/Win8.1升级,直接全新安装并激活Win10方法(转自IT之家):方法简单方便, 感觉可节省不少时间,所以搬运分享给大家. 本文针对那些还没有升级Win10的Win7/W ...
Apple芯片Mac安装ARM版Win10完美教程（结尾附视频）
写在前面:博主是一只经过实战开发历练后投身培训事业的"小山猪",昵称取自动画片<狮子王>中的"彭彭",总是以乐观.积极的心态对待周边的事物.本人的技 ...
Win11安装VMware虚拟机+win10教程（主要遇到蓝屏重启问题）
现在很多同学都更新了win11的系统,但是Win11和VM有的版本不兼容,导致出现蓝屏问题.这里简单记录一下安装VM和Win10的过程,以及解决蓝屏的方法. 事实上,如果是从官网上下载的最新版的VM, ...
qnap虚拟linux,QNAP进阶教程：威联通NAS 虚拟机教程安装精简版win10、软路由、群晖NAS系统！...
威联通最具体的虚拟机利用方式之一,接待点赞.收藏! 6 t* L# m7 X+ E前言 - A- ^8 |# l0 E' E$ k大师好,俺又来了!5 G, c% {7 ]- Z6 Q$ ] 4 }% ...

mmdetection 安装与使用（win10）

mmdetection 安装与使用（win10）相关推荐

最新文章

热门文章