mmdetection目標檢測框架安裝與測試

一、mmdetection簡介

項目地址：https://github.com/open-mmlab/mmdetection

香港中文大學-商湯科技聯合實驗室開源了基於 PyTorch 的檢測庫——mmdetection。商湯科技和港中大組成的團隊在 2018年的COCO 比賽的物體檢測（Detection）項目中奪得冠軍，而 mmdetection 正是基於 COCO 比賽時的 codebase 重構。這個開源庫提供了已公開發表的多種視覺檢測核心模塊。通過這些模塊的組合，可以迅速搭建出各種著名的檢測框架，比如 Faster RCNN，Mask RCNN，R-FCN，RetinaNet ， Cascade R-CNN及ssd 等，以及各種新型框架，從而大大加快檢測技術研究的效率。遺憾的是現在還沒有出yolo網絡。相比 FAIR 此前開源的 Detectron，mmdetection 有以下幾大優勢：

1、Performance 稍高 2、訓練速度稍快 3、所需顯存稍小 4、易用性更好 

二、正式安裝mmdetection

(1)使用命令行進行虛擬環境安裝：

conda create -n mmdetection python=3.7
conda 是anaconda安裝的常規命令，mmdetection是我們所起的虛擬環境名稱，虛擬環境可以理解為與anaconda自身環境類似的一個環境，就是可以將所需要的安裝包下載在其中。
安裝後即可激活環境，命令為：
source activate mmdetection
（2）安裝pytorch和torchvision
      為何要先安裝pytorch和torchvision？因為在mmdetection中，存在著版本的差異，如果在確定安裝pytorch的情況下可以調用gpu,很可能在安裝了mmdetection後不能進行gpu的調用，運行時十分慢，可能跑幾天都不一定能將模型跑出來。
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
最好不要用後綴 
       因為此為默認將下載源設置為pytorch官方下載地址，未調用anaconda的國內源進行下載，就會很慢。安裝下載成功後進行pytorch的gpu版本進行測試如下：
import torchprint(torch.cuda.is_available())
(3)安裝mmdetection
       在安裝mmdetection時需要安裝mmcv,安裝mmcv和mmdetection順序上沒有什麼區別，如果先安裝mmdetection時會報錯「未安裝mmcv」，但是可以不用管它進行安裝，因為安裝mmcv經常報錯。
進行克隆，同時可以進行網站直接下載。
git clone https://github.com/open-mmlab/mmdetection.gitcd mmdetection
pip install -r requirements/build.txtpip install -v -e .
第一行為mmdetection所需依賴進行安裝。
因為mmdetection項目內含有很多的C/C++代碼，需要進行編譯。第二行為編譯命令，注意，末尾有一「.」。
至此，mmdetection已經安裝好，可以進行mmcv的安裝。
(4)安裝mmcv
pip install mmcv-full==1.2.4 -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.7.0/index.html
單純以上代碼會很慢，單純mmcv快，但是安裝mmcv時，會順帶安裝opencv，opencv需要和torch、cuda版本對應，否則無法調用cuda加速。使用torch1.7.0即可，使用torch1.7.1會報錯。
pip install mmcv-full==1.2.4 -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.7.1/index.html -i https://mirrors.aliyun.com/pypi/simple/
同時，在後面加上阿里源，即可在安裝opencv時進行國內源安裝，切記，不可直接
一定會報錯，安裝到此結束。
三、測試mmdetection
       進入mmdetection項目進行命令行測試，命令行運行以下文件即可。mmdet/utils/collect_env.py
結果如上圖即為mmdetection安裝成功！
毛主席語錄：星星之火，可以燎原。