深度学习计算机视觉开源系统OpenMMLab(mmsegmentation、mmdetection、mmpose)环境配置【详细、可运行】 | 您所在的位置:网站首页 › mmsegmentation 基于 Pytorch 和 MMCV 语义分割开源 › 深度学习计算机视觉开源系统OpenMMLab(mmsegmentation、mmdetection、mmpose)环境配置【详细、可运行】 |
OpenMMLab(mmsegmentation、mmdetection、mmpose)环境配置
OpenMMLab简介优势:
一、Windows/Linux下环境配置(以mmsegmentation v1.2.2(最新版)为例)0. 确认安装版本信息1)确认电脑显卡版本2)确认mmcv对应版本3)确认版本
1. 安装CUDA和cuDNN2. 创建conda环境,下载pytorch3. 安装 mmcv4. 安装 MMSegmentation5. 添加环境变量(不一定要做)
二、检验配置是否成功1. 下载配置文件和模型文件2. 推理验证
OpenMMLab
简介
链接: OpenMMLab 命令行窗口输入: nvidia-smi查看显卡支持的最高CUDA的版本,根据CUDA版本确认cudnn版本,先不下载 https://download.openmmlab.com/mmcv/dist/cu118/torch2.1.0/index.html 替换路径中的cu118、torch2.1.0,先搜有没有对应的whl文件,(mmsegmentationV1.2.2要求pytorch版本在1.13以上),这是openmmlab提供的对应cuda、torch版本的mmcv预编译软件包,有对应版本,后面方便下载 (没有对应torch和cuda版本的预编译的whl文件,则从源码开始编译的。后面可以看到下载的是个tar.gz文件而不是whl文件,从源码开始编译很慢) 3)确认版本经过上两步,我这里确认使用的版本如下: CUDA:11.8 cuDNN:选择cuDNNV8.x.x版本的for CUDA11.x版本 pytorch:2.1.0 1. 安装CUDA和cuDNN在base环境中安装CUDA和cuDNN,这里不赘述,可以自行搜索安装教程 CUDA:https://developer.nvidia.com/cuda-downloads cuDNN:https://developer.nvidia.com/rdp/cudnn-download 先下载安装CUDA,再将cuDNN中的文件复制到CUDA的对应文件夹下即可 2. 创建conda环境,下载pytorch新建conda环境,并激活: conda create --name openmmlab python=3.8 -y conda activate openmmlab安装前面确定的pytorch版本: 链接: pytorch各版本下载命令 我这里是: conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=11.8 -c pytorch -c nvidia 3. 安装 mmcv依次执行以下命令,如果前面版本选择没问题,这里应该比较顺利: pip install -U openmim mim install mmengine mim install "mmcv>=2.0.0" 4. 安装 MMSegmentation依次执行以下命令安装分割库文件: git clone -b main https://github.com/open-mmlab/mmsegmentation.git cd mmsegmentation pip install -v -e . pip install ftfy pip install regex 5. 添加环境变量(不一定要做)如果报错与CUDA_HOME有关则添加系统环境变量: 变量名:CUDA_HOME 变量值:pathtoCUDA\CUDA\v11.x 二、检验配置是否成功 1. 下载配置文件和模型文件在mmsegmentation文件夹路径下运行: mim download mmsegmentation --config pspnet_r50-d8_4xb2-40k_cityscapes-512x1024 --dest .将mmseg\models\losses\cross_entropy_loss.py文件中: 在第19行和第240行修改avg_non_ignore,改为avg_non_ignore=True。 运行: 2. 推理验证在mmsegmentation文件夹路径下运行 python demo/image_demo.py demo/demo.png configs/pspnet/pspnet_r50-d8_4xb2-40k_cityscapes-512x1024.py pspnet_r50-d8_512x1024_40k_cityscapes_20200605_003338-2966598c.pth --device cuda:0 --out-file result.jpg在当前文件夹中将看到一个新图像 result.jpg,其中所有目标都覆盖了分割 mask: 安装成功! 这个报错不用管: D:\software\anaconda3\envs\openmmlab\lib\site-packages\mmengine\visualization\visualizer.py:196: UserWarning: Failed to add , please provide the `save_dir` argument. warnings.warn(f'Failed to add {vis_backend.__class__}, '如果报错: assert (mmcv_min_version |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |