这里写自定义目录标题

环境记录
Step1: 环境配置
Step2：安装MMdetection
Step3：验证
踩坑/报错分享区
参考链接

环境记录

笔记本: MSI GE63 Raider RGB 8SG-040CN
CPU: i7-8750H
GPU: RTX 2080
系统: Win10 专业版
显卡驱动: 496.76
Python: 3.7.13
Pytorch: 1.10.1
CUDA: 10.2
cuDNN: 8.3.1
MMCV: 1.5.1
mmdetection: 2.24.1

Step1: 环境配置

安装Anaconda, CUDA, cuDNN

教程很多，不细说了，假设已经能跑成功PyTorch代码了。

创建Conda环境

conda create --name mmdet python=3.7
conda activate mmdet

安装PyTorch

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=10.2 -c pytorch

查看
CUDA
版本：

nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_19:32:27_Pacific_Daylight_Time_2019
Cuda compilation tools, release 10.2, V10.2.89

查看
cuDNN
版本：

进入
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include

找到
cudnn_version.h
打开就可以看到

#ifndef CUDNN_VERSION_H_
#define CUDNN_VERSION_H_

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 3
#define CUDNN_PATCHLEVEL 1

cuDNN
版本即为8.3.1

安装MSVC编译器

如果是
CUDA10.2
的话，这里只能安装
Visual Studio 2015
到
Visual Studio 2019
之间的版本，我这里是安装的
Visual Studio 2019

下载链接

安装
Community
版就行。

如果是
CUDA10.2
的话

Visual Studio 2022 亲测不行，后面编译会报错！！！

Visual Studio 2022 亲测不行，后面编译会报错！！！

Visual Studio 2022 亲测不行，后面编译会报错！！！

安装好后配置环境变量：

找到
Visual Studio
安装文件夹，我这里是在E盘安装的：

在这里插入图片描述

找到并进入
VC
文件夹

在这里插入图片描述

找到并进入
Tools
文件夹：

在这里插入图片描述

进入
MSVC
文件夹

在这里插入图片描述

进入
14.29.30133
文件夹，

这里因版本而异，数字可能不一样，点进去就行

在这里插入图片描述

进入
bin
文件夹

进入
Hostx86
文件夹

在这里插入图片描述

进入
x64
文件夹

找到
cl.exe

在这里插入图片描述

把之前的文件夹路径加入到环境变量里：

例如我的路径是

E:\VisualStudio19\VC\Tools\MSVC\14.29.30133\bin\Hostx86\x64

加入系统Path中

在这里插入图片描述

在这里插入图片描述

注：默认安装
Visual Studio
的话路径是

C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.27.29110\bin\Hostx86\x64

测试

命令行中输入
cl
，输入如下即为配置成功。

C:\Users\Leo>cl
用于 x64 的 Microsoft (R) C/C++ 优化编译器 19.29.30145 版
版权所有(C) Microsoft Corporation。保留所有权利。

用法: cl [ 选项... ] 文件名... [ /link 链接选项... ]

安装mmcv-full

从
Github
上 clone 下来

conda activate mmdet
git clone https://github.com/open-mmlab/mmcv.git
# git checkout v1.2.0 # 如果你需要装特定版本
cd mmcv
pip3 install -r requirements.txt

查TORCH_CUDA_ARCH_LIST

命令行
cd
到
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite

运行
deviceQuery.exe


C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite>deviceQuery.exe
deviceQuery.exe Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "NVIDIA GeForce RTX 2080"
  CUDA Driver Version / Runtime Version          11.5 / 10.2
  CUDA Capability Major/Minor version number:    7.5
  Total amount of global memory:                 8192 MBytes (8589606912 bytes)
  (46) Multiprocessors, ( 64) CUDA Cores/MP:     2944 CUDA Cores
  GPU Max Clock rate:                            1590 MHz (1.59 GHz)
  Memory Clock rate:                             7001 Mhz
  Memory Bus Width:                              256-bit
  L2 Cache Size:                                 4194304 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
  Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
  Total amount of constant memory:               zu bytes
  Total amount of shared memory per block:       zu bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  1024
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          zu bytes
  Texture alignment:                             zu bytes
  Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  CUDA Device Driver Mode (TCC or WDDM):         WDDM (Windows Display Driver Model)
  Device supports Unified Addressing (UVA):      Yes
  Device supports Compute Preemption:            Yes
  Supports Cooperative Kernel Launch:            Yes
  Supports MultiDevice Co-op Kernel Launch:      No
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.5, CUDA Runtime Version = 10.2, NumDevs = 1, Device0 = NVIDIA GeForce RTX 2080
Result = PASS

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite>

信息第二行的这个数就是
TORCH_CUDA_ARCH_LIST
要填的数

CUDA Capability Major/Minor version number:    7.5

编译安装mmcv-full

打开
powershell
，输入以下内容

#             ---设置MMCV要用的一些环境变量---
$env:MMCV_WITH_OPS = 1
$env:MAX_JOBS = 8 # 根据你可用CPU以及内存量进行设置
$env:TORCH_CUDA_ARCH_LIST="7.5" #这个因显卡而异，下面我会说怎么查
#-----------------------------------------------------------------
#---设置CUDA_HOME或者CUDA_PATH，如果之前装CUDA的时候弄过就不用写了---
$env:CUDA_HOME = "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\"
#或者
$env:CUDA_HOME = $env:CUDA_PATH_V10_2 # 如果 CUDA_PATH_V10_2 在CUDA安装#过程中已经设置好
#-----------------------------------------------------------------
conda activate mmdet # 激活环境
cd mmcv # 改变路径
python setup.py build_ext # 如果成功, cl 将会自动弹出来编译 flow_warp
python setup.py develop # 安装
pip show mmcv-full # 检查是否安装成功
pip list # 检查是否安装成功

注意

TORCH_CUDA_ARCH_LIST
这一项因机器而异，按照下面的内容查完再填

我的
cmd
不能直接输入类似
$env:MMCV_WITH_OPS = 1
这种命令，会报
文件名、目录名或卷标语法不正确。

python setup.py build_ext
和
python setup.py develop
耗时较长，耐心等待即可

验证

最后
pip show
完之后应该是这样的只有
mmcv-full
没有
mmcv

(mmdet) E:\mmcv>pip show mmcv-full
Name: mmcv-full
Version: 1.5.1
Summary: OpenMMLab Computer Vision Foundation
Home-page: https://github.com/open-mmlab/mmcv
Author: MMCV Contributors
Author-email: openmmlab@gmail.com
License: UNKNOWN
Location: e:\mmcv
Requires: addict, numpy, packaging, Pillow, pyyaml, yapf, regex
Required-by:

(mmdet) E:\mmcv>pip show mmcv
WARNING: Package(s) not found: mmcv

Step2：安装MMdetection

命令行输入：

pip install mmdet

即可

Step3：验证

命令行输入：

conda activate mmdet
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install openmim
mim download mmdet --config faster_rcnn_r50_fpn_1x_coco --dest . #下载模型

弄好之后会下载一个
faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth

之后创建一个文件夹
checkpoints
，把上面的模型放到
./checkpoints
下

最后运行如下代码进行验证

from mmdet.apis import init_detector, inference_detector
import mmcv
config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
# download the checkpoint from model zoo and put it in `checkpoints/`
# url: https://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
device = 'cuda:0'
# init a detector
model = init_detector(config_file, checkpoint_file, device=device)
# inference the demo image
result = inference_detector(model, 'demo/demo.jpg')
outImg=model.show_result(
'demo/demo.jpg',
result)
mmcv.imshow(outImg,'a')
print(result)

如果出现如下结果则安装成功：

在这里插入图片描述

踩坑/报错分享区

在
CUDA 10.2
版本下，安装
Visual Studio 2022
后，运行
python setup.py build_ext
会报错，显示
xxx is in
一开始参考的

https://zhuanlan.zhihu.com/p/308281195

安装，之后不知道是

1

的原因，因此在评论区找到了这个链接：

https://www.zywvvd.com/notes/environment/cuda/windows-mmcv-1-3-13-install/windows-mmcv-1-3-13-install/

进行安装，但是最后发现这样弄只能安装上
mmcv
而非
mmcv-full
，最后验证的时候会报
ModuleNotFoundError: No module named 'mmcv._flow_warp_ext'
之后也尝试了

https://mmdetection.readthedocs.io/en/v2.21.0/get_started.html

里面的方法：

pip install mmcv-full=={mmcv_version} -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html

运行
python setup.py build_ext
会报错，可能也是

1

的原因，这个我没去验证。

参考链接

环境配置参考

https://zhuanlan.zhihu.com/p/308281195

和

https://mmdetection.readthedocs.io/en/v2.21.0/get_started.html

原文链接：https://blog.csdn.net/Leo9344/article/details/124840904