使用 MMDetection 实现 Pascal VOC 数据集的目标检测项目练习（三）MMDetection安装

深蓝海拓

1318人浏览 · 2024-11-23 23:00:30

深蓝海拓 · 2024-11-23 23:00:30 发布

一、重新选择版本

之前安装好的版本为：

pytorch=2.2.2

python=3.11

cuda=11.8

cudnn=8.7.0

在此基础上安装MMDetection时出现了一些版本不兼容出错提示，出错提示的内容都是本地已安装的依赖包版本高于了所需版本，就是说之前安装的版本过于新了，需要安装与MMDetection推荐版本较为接近的。

打开官网：开始你的第一步 — MMDetection 3.3.0 文档

官网的推荐版本是基于Python>=3.7，cuda>=9.2，pytorch>=1.8。依据官网推荐，对软件的版本进行再一次的规划。

打开pytorch的下载文件列表，查找pytorch版本，以及支持的cuda和cudnn版本。

Index of /anaconda/cloud/pytorch/linux-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

以及torchvision和torch以及python的版本对应表：

所以重新选定的版本：

pytorch=1.9.0

torchvision=0.10.0

python=3.8

cuda=11.1

cudnn=8.0，以上版本略高于和比较接近官网的要求。

在上面的网址点击下载得到了pytorch的安装文件：

pytorch-1.9.0-py3.8_cuda11.1_cudnn8.0.5_0.tar.bz2

或者这里也可以选择不下载，最后从conda的环境中在线安装。

cuda下载地址：

https://developer.nvidia.com/cuda-11-1-0-download-archive

下载得到cuda安装文件，cuda_11.1.0_455.23.05_linux.run：https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run

cudnn:

https://developer.nvidia.com/cudnn-archive

二、安装新的cuda和cudnn

在保存安装文件的文件夹下打开终端，或者用cd的指令切换到该目录，鼠标右键-->打开于终端，在打开的终端中输入

sudo sh cuda_11.1.0_455.23.05_linux.run

然后出错了：

打开cuda的安装日志：

sudo nano /var/log/cuda-installer.log

意思说是gcc版本过高，查阅了资料，cuda11.1需要GCC7、8、9。

按照下文的方法安装并切换到GCC9:

Ubuntu中使用多版本的GCC-CSDN博客

用下面文章的方法安装CUDA11.1，此处不再赘述：使用 MMDetection 实现 Pascal VOC 数据集的目标检测项目练习（二）系统安装_pascal voc数据集-CSDN博客

注意：由于已经安装了一个版本的cuda ，所以安装过程到了这里要选no：

这样就安装了第二个版本的cuda在系统中。

修改.bashrc文件，使cuda的默认路径指向新安装的v11.1：

现在系统中有两个版本的cuda，v11.8和v11.1，当前指向的路径是v11.1，如果需要再次使用v11.8，可以在Ubuntu系统新建一个用户，并将新用户的.bashrc文件中的路径改为v11.8即可，需要用v11.8就登录新用户。

不同用户分配不同版本cuda更彻底的办法是修改/etv/profile文件，根据不同用户的登录，在系统启动时就把cuda版本指定好，这样的好处是pycharm中不用再设置python控制台路径，也不用在每个用户的.bashrc中设置路径。具体如下：

假如，使用cuda11.1的用户名为cu111，使用cuda11.8的用户名为cu118，首先输入：

sudo nano /etc/profile

在打开的文件中加入：

if [ "$USER" = "cu111" ]; then
  export PATH="$PATH:/usr/local/cuda-11.1/bin"
  export LD_LIBRARY_PATH="/usr/local/cuda-11.1/lib64:/usr/local/cuda-11.1/extras/CUPTI/lib64:$LD_LIBRARY_PATH"
  export CUDA_HOME="/usr/local/cuda-11.1"
elif [ "$USER" = "cu118" ]; then
  export PATH="$PATH:/usr/local/cuda-11.8/bin"
  export LD_LIBRARY_PATH="/usr/local/cuda-11.8/lib64:/usr/local/cuda-11.8/extras/CUPTI/lib64:$LD_LIBRARY_PATH"
  export CUDA_HOME="/usr/local/cuda-11.8"
fi

.bashrc文件的原理和作用范围见：Ubuntu系统的.bashrc、/etc/profile 和 /etc/environment文件_.bashrc 三种-CSDN博客

测试：

cuda已经由v11.8切换到了v11.1。

三、重新创建环境和安装pytorch

conda create --name mmde python=3.8
conda activate mmde
conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=11.1 -c pytorch

系统会自动下载和安装pytorch、vision以及依赖包：

这里有个坑，由于我之前在conda源里设置了清华源，如果上面的conda install语句的最后不加 -c pytorch，就会从清华源下载安装包，速度会快些，然而，最终得到的torch是cpu版的，加 -c pytorch后从官网默认源就可以安装到GPU版。

不加 -c pytorch，使用清华源得到的版本：

禁用清华源，加 -c pytorch，使用默认源得到的版本：

起初安装的时候没注意这个细节，导致后面运行torch.cuda.is_available()时一直输出False，然后又一直以为是路径配置上有问题，浪费了很多时间。

得到的经验：

1、在conda install时一定要看清楚版本，如果版本不对就换做默认源下载安装。 安装完之后记得用conda list再次确认版本。

2、如果安装后的版本始终不对，将CPU版的用pip uninstall卸载（不要用conda uninstall，那样会把依赖包也一并卸载掉），在conda环境中conda install之前下载的本地包：

pip uninstall torch
conda install pytorch-1.9.0-py3.8_cuda11.1_cudnn8.0.5_0.tar.bz2

四、安装mmdetection

使用官网的推荐：开始你的第一步 — MMDetection 3.3.0 文档

1、安装 MMEngine 和 MMCV

成功安装MMEngine 和 MMCV：

后记：这里有一个坑，按照官网的版本要求，mmcv>=2.0.0，在我安装的这个时间节点（2024-11-25）会安装一个2.2.0版的mmcv，但是它后面又有要求mmcv版本>=2.0.0并且<2.2.0，这样就会报错。所以我又试着安装了一次，没有执行mim install "mmcv>=2.0.0"，而是改为了pip install mmcv==2.1.0，安装一个2.1.0版本的mmcv。在后面测试MMDetection是否成功安装的时候，不用注释掉版本检测也不会报错了。

2、注册和配置git

如果系统未安装git，需要安装：

sudo apt-get install git

如果未注册git用户，在github官网：GitHub · Build and ship software on a single, collaborative platform · GitHub

注册git用户，然后在终端输入：

git config --global user.name GitHub用户名
git config --global user.email GitHub注册时填写的邮箱

3、克隆和安装项目：

在/home/documents目录下（或者自己想的其他目录，这里注意不要选类似于用户的根目录：/home之类的需要权限的目录，否则在安装过程中会遇到权限问题，很麻烦），鼠标右键-->Open in Terminal，分别输入以下指令：

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .
# "-v" 指详细说明，或更多的输出
# "-e" 表示在可编辑模式下安装项目，因此对代码所做的任何本地修改都会生效，从而无需重新安装。

第一行git clone，由于网络的原因，可能会重复很多次才能连接上，或者换一个时段再执行。

执行完git clone后：

这里再回头提醒一次，克隆完之后最好将最初的原始文件复制一份作为备份，以防后面学习和实践中将程序改乱了无法恢复，我就是这个原因，又不得不重新克隆了一次原始文件。

在执行pip install之前记得激活设置好的conda环境：比如我的是mmde

conda activate mmde

然后在激活的环境中安装：

pip install -v -e .

记得-e的最后有一个“."，其含义是将项目安装在当前目录。

安装完成：

4、测试MMDetection是否成功安装

参照：【目标检测】手把手教你如何使用MMDetection训练自己的数据集-CSDN博客

在/dowloads/目录中打开于终端，输入下面的指令下载文件：

mim download mmdet --config rtmdet_tiny_8xb32-300e_coco --dest .

同样的，由于网络原因，可能需要多执行几次才能下载成功。

执行完之后会在当前目录下多出来两个文件：

rtmdet_tiny_8xb32-300e_coco.py
rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth

将这两个文件拷贝到MMDetection的安装目录。

在MMDetection的安装目录下打开终端，激活环境，然后：

python demo/image_demo.py demo/demo.jpg rtmdet_tiny_8xb32-300e_coco.py --weights rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth --device cuda

与原文作者一样遇到了mmcv版本错误提示：

Traceback (most recent call last):
  File "demo/image_demo.py", line 63, in <module>
    from mmdet.apis import DetInferencer
  File "/home/dy/Documents/mmdetection/mmdet/__init__.py", line 16, in <module>
    assert (mmcv_version >= digit_version(mmcv_minimum_version)
AssertionError: MMCV==2.2.0 is used but incompatible. Please install mmcv>=2.0.0rc4, <2.2.0.

打开mmdetection/mmdet/__init__.py，注释掉mmcv版本检测的语句：

后记：如果一开始就安装2.1.0的mmcv，就不会提示出错，不用注释。

再次运行：

出现了ImportError: libcudart.so.10.2: cannot open shared object file: No such file or directory的出错提示。

解决办法：安装与当前CUDA版本和torch版本匹配的mmcv-full，我的版本是这样的：

pytorch=1.9.0

cuda=11.1

所以：

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html

再次运行：

成功运行并把预测结果图片输出到了Outputs文件夹下，打开mmdetection/outputs/vis/demo.jpg：

当然了，把上述的指令中的图片换成另一个demo图片：large_image.jpg也是可以的。

python demo/image_demo.py demo/large_image.jpg rtmdet_tiny_8xb32-300e_coco.py --weights rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth --device cuda