概述

刚到一台新电脑，感觉可以用来跑跑Deep Learning，久违的配置一下环境

下载内容

1. Visual Studio
2. anaconda
3. cuda
4. cudnn

conda环境配置

1. pytorch
2. mmdetection
3. opencv
4. Jupyter-lab

Visual Studio 2019下载

Visual Studio下载地址

在官网下载2019专业版，按步骤安装

下载的时候这里勾选使用C++的桌面开发

没有勾选也没关系，下载成功，重启后点开Visual Studio，创建新项目后在上方工具栏选择 工具 – 获取工具和功能 下载
下载成功后，要在路径中找到cl.exe

将cl.exe所在路径添加到环境变量中
在cmd中测试一下，弹出如下界面表示配置成功

anaconda3下载

anaconda3官网

在官网下载anaconda，在cmd测试一下

至此，anaconda3下载成功，

cuda下载

安装cuda之前需要确认显卡支持的cuda版本，打开NVIDIA控制面板

点击系统信息，再点击组件

先去pytorch官网看一眼支持的cuda版本

NVIDIA官网下载对应版本的cuda

这里我选的是11.3版本

选择自定义安装，如果电脑本身有Visual Studio Integration，要将这个取消勾选，下面三个选项均不选。

打开路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin，有nvcc.exe则说明cuda安装成功

打开路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\lib64，有cupti64_2021.1.1.dll说明CUPTI安装成功

cudnn下载

在cudnn下载地址找到对应的cuda版本(需要注册账号)
解压后，把cudnn这三个文件夹里的文件复制到cuda对应文件夹中


添加cuda环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\libx64

测试cuda

查询显卡算力

>> cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite

>> deviceQuery.exe

conda创建pytorch环境

>> conda create -n mmdet python=3.9
>> conda env list
>> activate mmdet

这里mmdet是创建的环境名,conda env list可以查看当前conda环境，activate可以激活对应环境

OK，到这一步可以开始装pytorch了

在pytorch官网找到你想要安装的版本，复制下方的命令开始安装，安装过程可能比较慢(可以换清华源)

检测是否可以采用gpu版本的pytorch

顺便安装一下opencv(不安装后面可能会报错)

pip install opencv-contrib-python

安装mmdetection

在mmdetection开始中按照流程配置环境

下面几行命令摘自mmdetection开始页面(以mmdetection页面为准)

pip install -u openmim
mim install mmcv-full

如果你直接开发和运行mmdet，从源头下载：

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .

安装Jupyter-lab

现在有了jupyter notebook还没装jupyter-lab，

conda install -c conda-forge jupyterlab
jupyter notebook --generate-config
jupyter notebook password

设置好jupyter密码后，还需要在浏览器上选择环境

conda install nb_conda_kernels
conda install  ipykernel
python -m ipykernel install --user --name mmdet --display-name "mmdet"

运行上述命令后，在命令行输入jupyter-lab就可以启动了

在浏览器输入localhost:8888，输入密码后进入jupyter-lab

万里长征只差一步了！！

现在需要验证mmdetection安装成功，采用官方给出的测试方案

cd mmdetection
mim download mmdet --config yolov3_mobilenetv2_320_300e_coco --dest .
python demo/image_demo.py demo/demo.jpg yolov3_mobilenetv2_320_300e_coco.py yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth --device cpu --out-file result.jpg

如果运行中出现异常 KeyError: Cascade Mask R-CNN

找到图中路径，修改search.py中的第390行为：

if collection_name and collection_name in name2collection.keys():

运行成功后，会发现多了一个result.jpg图片

至此，mmdetection安装成功！！

参考文章

关于“import CV2”出错，显示：ModuleNotFoundError: No module named ‘cv2’

ModuleNotFoundError: No module named ‘cv2’ （安装cv2）

KeyError: ‘Cascade Mask R-CNN‘

pytorch GPU版本安装

CUDA、CUDNN在windows下的安装及配置

WIN10系统安装最新MMdetection2.19.0最详细教程（包含mmcv-full最新版1.3.17安装）（本方法可适用于最新版本mmdet）

看到评论会回复，欢迎大家交流讨论