mmdetection 安装与使用（win10）

我会带着你远行 2023-07-01 04:23 139阅读 0赞

一、安装

（1）创建虚拟环境：

conda create -n mmdec python=3.6

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70

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/）

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70 1

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：

  1. https://download.pytorch.org/whl/cpu/torch-1.1.0-cp36-cp36m-win_amd64.whl（WIN,CPU）
  3. https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-win_amd64.whl （WIN,CUDA 10.0）
  4. https://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whl （WIN,CUDA 9.0）
  6. 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。

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70 2

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

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70 3

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

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70 4

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watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70 5

ubuntu下和1.x一样的安装方式正常安装

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70 6

（5）测试

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

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70 7

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

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70 8

-———————————————————————————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. 1、在\_\_init\_\_ 中新增自己的

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70 9

  1. 2、复制voc重命名成自己的MyData.py修改地方已标红

watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1RZdGFuZ3lhbg_size_16_color_FFFFFF_t_70 10

3.修改configs中的配置文件

  1. # model settings
  2. model = dict(
  3.     type='FasterRCNN',
  4.     pretrained='torchvision://resnet50',
  5.     backbone=dict(
  6.         type='ResNet',
  7.         depth=50,
  8.         num_stages=4,
  9.         out_indices=(0, 1, 2, 3),
  10.         frozen_stages=1,
  11.         style='pytorch'),
  12.     neck=dict(
  13.         type='FPN',
  14.         in_channels=[256, 512, 1024, 2048],
  15.         out_channels=256,
  16.         num_outs=5),
  17.     rpn_head=dict(
  18.         type='RPNHead',
  19.         in_channels=256,
  20.         feat_channels=256,
  21.         anchor_scales=[8],
  22.         anchor_ratios=[0.5, 1.0, 2.0],
  23.         anchor_strides=[4, 8, 16, 32, 64],
  24.         target_means=[.0, .0, .0, .0],
  25.         target_stds=[1.0, 1.0, 1.0, 1.0],
  26.         loss_cls=dict(
  27.             type='CrossEntropyLoss', use_sigmoid=True, loss_weight=1.0),
  28.         loss_bbox=dict(type='SmoothL1Loss', beta=1.0 / 9.0, loss_weight=1.0)),
  29.     bbox_roi_extractor=dict(
  30.         type='SingleRoIExtractor',
  31.         roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2),
  32.         out_channels=256,
  33.         featmap_strides=[4, 8, 16, 32]),
  34.     bbox_head=dict(
  35.         type='SharedFCBBoxHead',
  36.         num_fcs=2,
  37.         in_channels=256,
  38.         fc_out_channels=1024,
  39.         roi_feat_size=7,
  40.         num_classes=3,  # 类别+1
  41.         target_means=[0., 0., 0., 0.],
  42.         target_stds=[0.1, 0.1, 0.2, 0.2],
  43.         reg_class_agnostic=False,
  44.         loss_cls=dict(
  45.             type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
  46.         loss_bbox=dict(type='SmoothL1Loss', beta=1.0, loss_weight=1.0)))
  47. # model training and testing settings
  48. train_cfg = dict(
  49.     rpn=dict(
  50.         assigner=dict(
  51.             type='MaxIoUAssigner',
  52.             pos_iou_thr=0.7,
  53.             neg_iou_thr=0.3,
  54.             min_pos_iou=0.3,
  55.             ignore_iof_thr=-1),
  56.         sampler=dict(
  57.             type='RandomSampler',
  58.             num=256,
  59.             pos_fraction=0.5,
  60.             neg_pos_ub=-1,
  61.             add_gt_as_proposals=False),
  62.         allowed_border=0,
  63.         pos_weight=-1,
  64.         debug=False),
  65.     rpn_proposal=dict(
  66.         nms_across_levels=False,
  67.         nms_pre=2000,
  68.         nms_post=2000,
  69.         max_num=2000,
  70.         nms_thr=0.7,
  71.         min_bbox_size=0),
  72.     rcnn=dict(
  73.         assigner=dict(
  74.             type='MaxIoUAssigner',
  75.             pos_iou_thr=0.5,
  76.             neg_iou_thr=0.5,
  77.             min_pos_iou=0.5,
  78.             ignore_iof_thr=-1),
  79.         sampler=dict(
  80.             type='RandomSampler',
  81.             num=512,
  82.             pos_fraction=0.25,
  83.             neg_pos_ub=-1,
  84.             add_gt_as_proposals=True),
  85.         pos_weight=-1,
  86.         debug=False))
  87. test_cfg = dict(
  88.     rpn=dict(
  89.         nms_across_levels=False,
  90.         nms_pre=1000,
  91.         nms_post=1000,
  92.         max_num=1000,
  93.         nms_thr=0.7,
  94.         min_bbox_size=0),
  95.     rcnn=dict(
  96.         score_thr=0.05, nms=dict(type='nms', iou_thr=0.5), max_per_img=100)
  97.     # soft-nms is also supported for rcnn testing
  98.     # e.g., nms=dict(type='soft_nms', iou_thr=0.5, min_score=0.05)
  99. )
  100. # dataset settings
  101. dataset_type = 'MyData'
  102. data_root = 'E:/mm/VOCdevkit/'
  103. img_norm_cfg = dict(mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
  104. data = dict(
  105.     imgs_per_gpu=2,
  106.     workers_per_gpu=2,
  107.     train=dict(
  108.         type='RepeatDataset',  # to avoid reloading datasets frequently
  109.         times=3,
  110.         dataset=dict(
  111.             type=dataset_type,
  112.             ann_file=[data_root + 'VOC2007/ImageSets/Main/train.txt'],
  113.             img_prefix=[data_root + 'VOC2007/'],
  114.             img_scale=(400, 400),
  115.             img_norm_cfg=img_norm_cfg,
  116.             size_divisor=32,
  117.             flip_ratio=0.5,
  118.             with_mask=False,
  119.             with_crowd=False,
  120.             with_label=True)),
  121.     val=dict(
  122.         type=dataset_type,
  123.         ann_file=data_root + 'VOC2007/ImageSets/Main/val.txt',
  124.         img_prefix=data_root + 'VOC2007/',
  125.         img_scale=(400, 400),
  126.         img_norm_cfg=img_norm_cfg,
  127.         size_divisor=32,
  128.         flip_ratio=0,
  129.         with_mask=False,
  130.         with_crowd=False,
  131.         with_label=True),
  132.     test=dict(
  133.         type=dataset_type,
  134.         ann_file=data_root + 'VOC2007/ImageSets/Main/test.txt',
  135.         img_prefix=data_root + 'VOC2007/',
  136.         img_scale=(400, 400),
  137.         img_norm_cfg=img_norm_cfg,
  138.         size_divisor=32,
  139.         flip_ratio=0,
  140.         with_mask=False,
  141.         with_crowd=False,
  142.         with_label=False,
  143.         test_mode=True))
  145. # optimizer
  146. optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001)
  147. optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))
  148. # learning policy
  149. lr_config = dict(
  150.     policy='step',
  151.     warmup='linear',
  152.     warmup_iters=500,
  153.     warmup_ratio=1.0 / 3,
  154.     step=[8, 11])
  155. checkpoint_config = dict(interval=1)
  156. # yapf:disable
  157. log_config = dict(
  158.     interval=100,
  159.     hooks=[
  160.         dict(type='TextLoggerHook'),
  161.         # dict(type='TensorboardLoggerHook')
  162.     ])
  163. # yapf:enable
  164. # runtime settings
  165. total_epochs = 12
  166. dist_params = dict(backend='nccl')
  167. log_level = 'INFO'
  168. work_dir = 'model'
  169. load_from = None
  170. resume_from = None
  171. 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

20200119090124622.png

发表评论

表情：
评论列表 （有 0 条评论，139人围观）

还没有评论，来说两句吧...

相关阅读