当前位置：物联沃-IOTWORD物联网 > 技术教程 > Swin Transformer Object Detection 目标检测-1——环境搭建详细教程
代码收藏家代码收藏家 技术教程

Swin Transformer Object Detection 目标检测-1——环境搭建详细教程

文章目录

  • 一、所需软件（包）介绍
  • 二、环境安装
  • 0. 版本选择
  • 1. VS 2019 安装
  • 2. 创建conda 虚拟环境
  • 方案一（直接创建）
  • 方案二（指定目录创建）
  • 3. pytorch 安装
  • 4. 安装其他必要的Python包
  • 5. 安装mmcv
  • 6. 安装mmdetection
  • 7. 安装 apex
  • 8. 拉取代码
  • 9. 测试工程
  • 10. 常见问题


    • 视频教程完整版：
    我的教学视频

       

    一、所需软件（包）介绍

  • VS 2017-2019 ，用里面的一个编译软件去编译文件，用于安装mmcv，因为mmcv没有提供编译好的可用于windows的文件。(注意只能安装2017-2019版本，不然在编译mmcv时会报错，只装C++部分即可)。下载地址：VS 2019下载
  • MMDetection：是一个基于 PyTorch 的目标检测开源工具箱。但是依赖 mmcv，支持 pytorch 1.5+。
  • mmcv：类似OpenCV，是一个开源的面向计算机视觉的基础库，高质量实现CUDA算子，使用它的话需要 python 3.6+

    • 二、环境安装

    0. 版本选择

  • VS 2019 建议安装2019版本。
  • MMDetection：2.20.0 （地址：https://github.com/open-mmlab/mmdetection/blob/master/docs/en/get_started.md）
  • mmcv：1.3.17 （参考：https://github.com/open-mmlab/mmdetection/blob/master/docs/en/get_started.md）由 VS的编译工具 cl 编译得到。

    •         注：想选择使用2.20.0版本，但是最后你会发现没办法使用，他会退回到2.11.0，Github上issues中解决办法就会让他退回到2.11.0这个版本。

    1. VS 2019 安装

            直接去VS官网下载，第一步下载的时候可能需要翻墙，后面下载的时候不用翻墙，安装时只勾选桌面端的C++部分就可以。

  • 添加环境变量到系统环境变量->Path下，地址在安装目录下（根据自己的安装位置）：D:\install_in_D\VS2019\2019\Community\VC\Tools\MSVC\14.29.30133\bin\Hostx86\x64
  • 验证是否可用：

    • image.png

    2. 创建conda 虚拟环境

    方案一（直接创建）
  • 直接创建：conda create -n swin_det python=3.8
  • 激活conda环境：activate swin_det
    • 方案二（指定目录创建）
  • 指定目录创建：如在 E:\workspace\Python\Pytorch\STOD 目录下执行下面的命令：
  • 执行：conda create --prefix=E:\workspace\Python\Pytorch\STOD\swin_det python=3.8
  • 激活 conda 环境：activate E:\workspace\Python\Pytorch\STOD\swin_det
    • 3. pytorch 安装
  • 官网地址：https://pytorch.org/
  • 安装：pip3 install torch==1.8.2+cu111 torchvision==0.9.2+cu111 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html
  • 指定阿里源 (国内一般需要)-i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

    • 4. 安装其他必要的Python包

  • 在虚拟环境下执行：
    pip install cython matplotlib opencv-python timm -i [http://mirrors.aliyun.com/pypi/simple/](http://mirrors.aliyun.com/pypi/simple/) --trusted-host mirrors.aliyun.com

    • 5. 安装mmcv

  • 项目地址：https://github.com/open-mmlab/mmcv/blob/master/README_zh-CN.md
  • 进入之前创建的conda环境跟目录内：如：E:\workspace\Python\Pytorch\STOD\swin_det
  • 克隆指定版本的 mmcv代码（或者clone master 之后再checkout）。
  • git clone -b v1.3.17 git@github.com:open-mmlab/mmcv.git（需要你在github配置了密钥，没有配置的话使用https链接克隆）
  • 此时环境内就有 mmcv的文件夹。
  • 打开 conda的power shell（一定要用这个）

    • image.png

  • 进入到 conda环境目录，激活conda 环境
  • 直接创建的conda环境的使用：conda activate swin_det
  • 指定了conda环境路径的使用：conda activate .\mmdet_swin
  • 进入到 mmcv 目录下，执行 pip install -r requirements.txt来安装mmcv所需的python包
  • 配置环境变量：应该是因为在安装mmcv时用到。
  • $env:TORCH_CUDA_ARCH_LIST="8.6" 8.6为显卡算力，查询位置：英伟达官网（3060看英文文档），3060 查看算力位置：英文算力位置
  • $env:MMCV_WITH_OPS = 1
  • $env:MAX_JOBS = 8 根据CPU核心数设置（其实我是10核心，不大于你CPU核心应该就没事）
  • 运行：python setup.py build_ext（这步包括下面的一步就会用到之前VS中的cl工具）
  • 运行：python setup.py develop
  • 验证：codna list 会看到 mmcv-full（记得确定一下版本对不对 1.3.17）

    • 6. 安装mmdetection

  • 进入之前创建的conda环境目录内：如我的目录：E:\workspace\Python\Pytorch\STOD\swin_det，确保已经激活了conda虚拟环境
  • 克隆mmdetection 的代码，找到要拉取的版本后 git clone（或者clone master 之后再checkout），地址：https://github.com/open-mmlab/mmdetection/tree/v2.20.0
  • git clone -b v2.20.0 git@github.com:open-mmlab/mmdetection.git（需要你在github配置了密钥，没有配置的话使用https链接克隆）
  • 进入 mmdetection的代码目录，安装mmdetection所需的python包，执行：pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com (会在下载mmtrack时候出错，这是某个测试环境需要的包，暂时不管它，把它屏蔽掉，再运行上面命令)。
  • 屏蔽方式：
  • image.png
  • 安装 mmdetection，执行 ：python setup.py develop (过程中安装了pycocotools，但是最后发现用不到)
  • 验证 pip list 可以看到 mmdet（记得确定一下版本对不对 2.20.0）

    •         注：apex可以尝试直接用pip装，但是不是确定是否可用，可以尝试。

    7. 安装 apex

  • 进入之前创建的conda环境目录内
  • 激活conda 环境
  • clone apex 项目：https://github.com/NVIDIA/apex
  • 进入 apex 文件夹
  • 执行：python setup.py install
  • pip list 能看见 apex （0.1版本，只有这一个版本）
  • 注：安装的apex会在训练模型时候有一个警告内容如下：（但实际没啥影响）
  • fused_weight_gradient_mlp_cuda module not found. gradient accumulation fusion with weight gradient computation disabled.

    • 8. 拉取代码

  • 地址：https://github.com/SwinTransformer/Swin-Transformer-Object-Detection
  • 设置工程所用环境为前面准备好的虚拟环境

    • 9. 测试工程

  • 下载权值文件：(直接丢在项目根目录下)

    • image.png

  • 验证执行如下命令：
    python demo/image_demo.py demo/demo.jpg configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py mask_rcnn_swin_tiny_patch4_window7.pth

  • 成功的话 能看到实例图片，当 mask_rcnn_swin_tiny_patch4_window7.pth 不在项目根目录下的时候，需要在前面指定具体位置。

    • 10. 常见问题

  • Q1：TypeError: MaskRCNN: SwinTransformer: init() got an unexpected keyword argument ‘embed_dim’
  • A1：在虚拟环境下，进入Swin-Transformer-Object-Detection 项目目录，执行：python setup.py develop
  • 此时会发现 mmdetection被换了版本，变为了 2.11.0，我也没办法，最终使用的并不是开始设想的2.20.0

    • 下一篇：Swin Transformer Object Detection 目标检测-2——训练自己的数据集

     
     

    关于作者：

  • 个人网站：https://beyonderwei.com
  • 邮箱：beyonderwei@gmail.com

    • 微信公众平台

    来源：Beyonderwei

    您可能感兴趣的内容:

    物联沃分享整理
    物联沃-IOTWORD物联网 » Swin Transformer Object Detection 目标检测-1——环境搭建详细教程

    代码收藏家 普通

    分享到：

    相关推荐

    发表评论