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

mmdetection-2.25.3的环境配置与安装