跌跌撞撞
配置任何一个深度学习的环境，依赖冲突都是难免的，何况看着一两年前的教程，加之版本更替，踩得坑就更多了
1.Anaconda虚拟环境搭建
打开Anaconda Prompt，创建新的虚拟环境：mmlab
conda create -n mmlab python=3.6
这里我踩了一个坑，我应该定位虚拟环境的位置，方便pycharm配置的时候好找一些
conda create --prefix D:\Anaconda3\envs\openmmlab python=3.8 -y
之后进行虚拟环境的切换
activate mmlab
2.Pytorch安装
根据Pytorch官网的教程安装Pytorch，注意根据自己电脑的CUDA版本选择。在命令行运行nvcc -V查看当前cuda版本：
查找到自己的版本之后，进行如下代码
conda install pytorch==1.10.2 torchvision torchaudio cudatoolkit=11.3 -c pytorch
3.MMCV安装（1.6.2版本）
pip install mmcv==1.6.2 -i https://download.openmmlab.com/mmcv/dist/cu113/torch1.10/index.html
MMDetection安装（2.25.3版本）
到github上选中tag为2.25.3版本的MMDetection后，下载zip后解压
在mmlab虚拟环境中打开mmdetection-2.25.3文件夹
运行如下代码，这里使用清华镜像
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn
python setup.py develop
最后在mmdetection-2.25.3文件夹中创建一个checkpoints文件夹，下载预训练模型（下载链接）放置在这个文件夹中，在主目录下新建test.py，代码如下
import os
from mmdet.apis import init_detector, inference_detector
def demo_mmdet():
base_dir = r'D:\Program Files\Third_Part_Lib\mmdetection' # mmdetection的安装目录
config_file = os.path.join(base_dir, r'configs\faster_rcnn\faster_rcnn_r50_fpn_1x_coco.py')
# download the checkpoint from model zoo and put it in `checkpoints/`
# url: https://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 = r'checkpoints\faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
# 根据配置文件和 checkpoint 文件构建模型
model = init_detector(config_file, checkpoint_file, device='cuda:0')
# 测试单张图片并展示结果
img = os.path.join(base_dir, r'demo\demo.jpg') # 或者 img = mmcv.imread(img)，这样图片仅会被读一次
result = inference_detector(model, img)
# 在一个新的窗口中将结果可视化
model.show_result(img, result, out_file=None, show=True)
if __name__ == '__main__':
demo_mmdet()
若出现目标检测图片，则说明成功
