Windows 环境从零安装 mmcv-full

1.安装 git

点击 https://git-scm.com/download/win 进入官网
点击下图中的 Click here to download manually 下载 git

双击下载的 exe 文件，一直点下一步 next 即可
安装完成后打开 PowerShell（可以快捷键 Windows X 接着按 A)
输入(input) git –version 后回车，显示版本号则安装成功

2.安装 miniconda

点击 https://docs.conda.io/en/latest/miniconda.html 进入官网
点击下图中的 Minicond操作系统是一种a3 Windows 64-bit 下载miniconda

双击下载的 exe 文件，一直点下一步 next 即可

3.安装 V操作系统isua操作系统是什么的接口l Studio Community 2019

点击 https://visualstudio.microsoft.com操作系统管理用户数据的单位是/zh-hans/ 进入官网
点击下图中的 Community 2019操作系统有哪些下载 Visual Studi操作系统是计算机系统中的o Community 2019

如果该处计算机视觉的应用显示的不是 2019，则可以在 https://visuals操作系统的基本特征tudio计算机视觉.microsoft.com/zh-hans/vs/older-downloads/ 下载

双击下载的 exe 文件，选择下图中的 “使用 C 的桌面的开发” 并点击 “安装”

安装完成后按照下图设置环境变量（切记 14.29.30133 需换成自己的版本号）

C:Program Files (x86)Microsoft Visual Studio2019CommunityVCToolsMSVC14.29.30133binHostx86x64

打开 Anaconda PowerShell Prompt 并输入(input) cl，显示下图信息即配置成功

4.安装 CUDA & cuDNN

4.1 安装 CUDA

使操作系统管理用户数据的单位是用下图方式查看应该驱动版本号，这里的版本号是 456.71

我们可以在 https计算机视觉案例://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index计算机视觉就业前景.html 查看支持的 CUDA 版本，如下图所示

点击 https://developer.nvidia.com/zh-cn/cuda-toolkit 进入官网
点击下图中的 Download 下载驱动（注意，我这里下载的版本是 11.1）

双击下载的 exe 文件，一直点下一步 next 即可
安装完成后设置 C操作系统是计算机系统中的UDA_HOME 环境变量，通常情况下安装 CUDA 时会自动设置，打开 Anaconda Powershell Prompt (Miniconda3)，输入(input)命令ls env:，如下图所示，CUDA_PATH 已被自动设置

如果上图没有显示 CUDA_PATH，则使用如下命令设置（切记 cuda 的版本要正操作系统的主要功能是确）

$env:CUDA_HOME = "C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.1"
# OR 
$env:CUDA_HOME = $env:CUDA_PATH_V11_1 # if CUDA_PATH_V11_1 is in envs:

输入(input) nvcc –version 查看是否配置计算机视觉案例成功

nvcc --version

4.2 安装 cuDNN

点击 https://develope计算机视觉技术的应用r.nvidia.com/r计算机视觉技术常见的五大任务dp/cudnn-archive 进入官网
选择对应的 cuDNN 版本

下载完成后解压

将里面操作系统管理用户数据的单位是的文件拷贝到 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.1

5.安装 mmcv-full

创建 conda 环境

conda create --name mmcv python=3.7  # 3.6, 3.7, 3.8 should work too as tested
conda activate mmcv  # make sure to activate environment before any operation

安装 PyTorch

conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=11.1 -c pytorch -c conda-forge

如果网速较慢，可以设置其他源

channels:- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch// - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ show_channel_urls:true

下载 mmcv 代码

git clone https://github.com/open-mmlab/mmcv
cd mmcv

安装 mmcv 依赖(dependency)

pip install -r requirements.txt

设置 CUDA 目标架构，可以在 https://develope操作系统是计算机系统中的r.nvid计算机视觉案例ia.com/zh-cn/cuda-gpus 查看对应显卡的算力

# Suppose you are using GTX 1660ti, which is of capability 7.5
$env:TORCH_CUDA_ARCH_LIST="7.5" 
# OR build all suppoted arch, will be slow 
$env:TORCH_CUDA_ARCH_LIST="3.5 3.7 5.0 5.2 6.0 6.1 7.0 7.5"

当然，也可以通过 CUDA 目录下的 deviceQuery.exe 工具查看

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.1extras演示demo_suitedeviceQuery.ext

开始编译

$env:MMCV_WITH_OPS = 1
$env:MAX_JOBS = 8  # based on available number of CPU cores and amount of memory 
# activate environment 
python setup.py build_ext # if success, cl will be launched to compile ops 
# install 
python setup.py develop

编译完成后查看 ./mmcv/_ext.cp38-win_amd64.pyd 是否存在，如果存在则编译成功
测试是否安装成功

运行以下代码，没有报错则安装成功

import numpy as np
import torch 
from mmcv.ops import box_iou_rotated 
def check_installation(): 
    """Check whether mmcv-full has been installed successfully.""" 
    np_boxes1 = np.asarray( 
        [[1.0, 1.0, 3.0, 4.0, 0.5], [2.0, 2.0, 3.0, 4.0, 0.6], 
         [7.0, 7.0, 8.0, 8.0, 0.4]], 
        dtype=np.float32) 
    np_boxes2 = np.asarray( 
        [[0.0, 2.0, 2.0, 5.0, 0.3], [2.0, 1.0, 3.0, 3.0, 0.5], 
         [5.0, 5.0, 6.0, 7.0, 0.4]], 
        dtype=np.float32) 
    boxes1 = torch.from_numpy(np_boxes1) 
    boxes2 = torch.from_numpy(np_boxes2) 
    # test mmcv-full with CPU ops 
    box_iou_rotated(boxes1, boxes2) 
    # test mmcv-full with both CPU and CUDA ops 
    if torch.cuda.is_available(): 
        boxes1 = boxes1.cuda() 
        boxes2 = boxes2.cuda() 
        box_iou_rotated(boxes1, boxes2) 
if __name__ == '__main__': 
    check_installation()

至此，mmcv-full 已安装完成，欢迎在

选择感兴趣的 codebase 开始你的研究或者开发!

原文链接：https://zhuanlan.zhihu.com/p/434491590

Windows 环境从零安装 mmcv-full

1.安装 git

2.安装 miniconda

3.安装 V操作系统isua操作系统是什么的接口l Studio Community 2019

4.安装 CUDA & cuDNN

5.安装 mmcv-full

相关推荐