高手在人间！教你 Win10 + Python3.7 上搭建 mmdetection2.1 环境，开启 PyTorch 炼丹之旅

2023-11-03 00:37:41

在 Win10 + Python3.7 上构建 mmdetection2.1 环境：开启计算机视觉之旅

踏上数据与智能的新征程

身处大数据和人工智能时代，掌握强大的工具至关重要。本文将为您揭秘如何在 Win10 + Python3.7 系统上搭建 mmdetection2.1 环境，让您在计算机视觉世界中大展身手。

1. 搭建基础：安装必备组件

就像盖房子需要先打地基，搭建 mmdetection2.1 环境也需要稳扎稳打。让我们从安装 CUDA 10.1 开始，这是 GPU 计算的基石，为 PyTorch 提供强大的算力支持。之后，还需要配置 PATH 和 CUDA_HOME 环境变量，详细步骤可参考 CUDA 官方文档。

2. 引入利器：PyTorch 与 torchvision

PyTorch 是深度学习框架，torchvision 是其计算机视觉扩展库。使用 conda 安装：

conda install pytorch torchvision cudatoolkit=10.1

3. 核心武器：mmdetection2.1

mmdetection2.1 是目标检测利器，可以轻松实现各种目标检测任务。通过 pip 安装：

pip install torch==1.5.0+cu101 torchvision==0.6.0+cu101 mmdetection2==2.1

4. 环境测试：检验成果

安装完成后，可以通过以下命令测试环境是否搭建成功：

python -c "import mmdet"

如果终端没有报错，则表示环境搭建成功。

5. 代码实战：体验魅力

搭建好环境，让我们挥洒代码的魔法。这里提供一个简单的目标检测代码示例：

import mmdet
import mmcv

# 加载模型
model = mmdet.models.FasterRCNN(
    backbone=dict(
        type='ResNet',
        depth=50,
        num_stages=4,
        out_indices=(0, 1, 2, 3),
        frozen_stages=1,
        norm_cfg=dict(type='BN', requires_grad=True),
        norm_eval=True,
        style='pytorch',
        init_cfg=dict(
            type='Pretrained',
            checkpoint='torchvision://resnet50')),
    neck=dict(
        type='FPN',
        in_channels=[256, 512, 1024, 2048],
        out_channels=256,
        num_outs=5),
    rpn_head=dict(
        type='RPNHead',
        in_channels=256,
        feat_channels=256,
        anchor_generator=dict(
            type='AnchorGenerator',
            scales=[8],
            ratios=[0.5, 1.0, 2.0],
            strides=[4, 8, 16, 32, 64]),
        bbox_coder=dict(
            type='DeltaXYWHBBoxCoder',
            target_means=[.0, .0, .0, .0],
            target_stds=[1.0, 1.0, 1.0, 1.0]),
        loss_cls=dict(
            type='CrossEntropyLoss',
            use_sigmoid=True,
            loss_weight=1.0),
        loss_bbox=dict(
            type='L1Loss', loss_weight=1.0)),
    roi_head=dict(
        type='StandardRoIHead',
        bbox_roi_extractor=dict(
            type='SingleRoIExtractor',
            roi_layer=dict(type='RoIAlign', output_size=7, sampling_ratio=0),
            out_channels=256,
            featmap_strides=[4, 8, 16, 32]),
        bbox_head=dict(
            type='Shared2FCBBoxHead',
            in_channels=256,
            fc_out_channels=1024,
            roi_feat_size=7,
            num_classes=80,
            bbox_coder=dict(
                type='DeltaXYWHBBoxCoder',
                target_means=[0., 0., 0., 0.],
                target_stds=[0.1, 0.1, 0.2, 0.2]),
            reg_class_agnostic=True,
            loss_cls=dict(
                type='CrossEntropyLoss', use_sigmoid=False, loss_weight=1.0),
            loss_bbox=dict(type='L1Loss', loss_weight=1.0))),
    train_cfg=dict(
        rpn=dict(
            assigner=dict(
                type='MaxIoUAssigner',
                pos_iou_thr=0.7,
                neg_iou_thr=0.3,
                min_pos_iou=0.3,
                ignore_iof_thr=-1),
            sampler=dict(
                type='RandomSampler',
                num=256,
                pos_fraction=0.5,
                neg_pos_ub=-1,
                add_gt_as_proposals=False),
            allowed_border=-1,
            pos_weight=-1,
            debug=False),
        rpn_proposal=dict(
            nms_pre=2000,
            max_per_img=1000,
            nms=dict(type='nms', iou_threshold=0.7),
            min_bbox_size=0),
        rcnn=dict(
            assigner=dict(
                type='MaxIoUAssigner',
                pos_iou_thr=0.5,
                neg_iou_thr=0.5,
                min_pos_iou=0.5,
                ignore_iof_thr=-1),
            sampler=dict(
                type='RandomSampler',
                num=512,
                pos_fraction=0.25,
                neg_pos_ub=-1,
                add_gt_as_proposals=True),
            pos_weight=-1,
            debug=False)),
    test_cfg=dict(
        rpn=dict(
            nms_pre=1000,
            max_per_img=1000,
            nms=dict(type='nms', iou_threshold=0.7),
            min_bbox_size=0),
        rcnn=dict(
            score_thr=0.05,
            nms=dict(type='nms', iou_threshold=0.5),
            max_per_img=100)))

# 加载图像
img = mmcv.imread('test.jpg')

# 预处理图像
img = mmdet.datasets.transforms.ToTensor()(img)
img = torch.unsqueeze(img, 0)

# 推理
results = model(img)

# 可视化结果
mmdet.datasets.CustomDataset.show_result(
    'test.jpg', results, model.CLASSES, show=True)