Deepin安装mmdetection CPU版

文章目录

由于论文里需要放一些对比试验,所以需要能跑通常用的几种算法,比如Faster RCNN、SSD。
之前每次用的时候都让同学帮忙跑,但是有的时候比较着急用,再加上其他不知道为啥突然跑不通的原因,所以最近打算尝试安装一下全家桶mmdetection。
这里以mmdetection2.9为例,在经过好几论deepin闭源驱动和CUDA安装失败和重装系统后,决定安装CPU版本。
其实之前误打误撞安装成功过一次,后来升级过一次系统内核就一下回到解放前。

# 新建环境

还是熟悉的python3.6,更高的版本好像也可以。

conda create -n mmlab python=3.6 -y
conda activate open-mmlab

# Torch

先装比较大的库,都指定的比较旧的CPU版本,也可以把安装文件下载到本地离线安装。版本有点多选的眼花,我选择pip安装多等一会。

install torch==1.5.0 torchvision==0.6.0

# mmcv-full

注意需要与torch的版本相匹配,具体可以去mmcv的主页

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cpu/torch1.5.0/index.html

# mmdet

首先从mmdetection的主页把代码下载下来,解压到一个比较固定的位置,后边安装好就不要动了。
安装好需要的依赖就可以安装mmdetection啦

pip install -r requirements/build.txt
cd {mmdetection存在路径}
python setup.py develop

# 跑起来

还有最关键就是下载想运行的算法权重到 weights 文件夹,下载地址在 config 文件夹下对应算法代码的 README.md 文件中。
cd到mmdetection,激活新建的环境,按照如下代码格式设置算法网络和权重的文件地址运行即可。

python demo/image_demo.py demo/demo.jpg configs/faster_rcnn/faster_rcnn_r101_fpn_1x_coco.py weights/faster_rcnn/faster_rcnn_r101_fpn_1x_coco_20200130-f513f705.pth --device cpu

效果图如下:

原文链接:,转发请注明来源!

发表评论