2.6 KiB
安装
安装依赖包
- Python 3.6+
- PyTorch 1.3+
- MMCV
MMClassification 和 MMCV 的适配关系如下，请安装正确版本的 MMCV 以避免安装问题
| MMClassification 版本 | MMCV 版本 |
|---|---|
| master | mmcv>=1.3.0 |
| 0.11.0 | mmcv>=1.3.0 |
| 0.10.0 | mmcv>=1.3.0 |
| 0.9.0 | mmcv>=1.1.4 |
| 0.8.0 | mmcv>=1.1.4 |
| 0.7.0 | mmcv>=1.1.4 |
| 0.6.0 | mmcv>=1.1.4 |
安装 MMClassification 步骤
a. 创建conda虚拟环境，并激活
conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab
b. 按照 官方指南 安装PyTorch和TorchVision，如:
conda install pytorch torchvision -c pytorch
注：请确保 CUDA 编译版本和运行版本相匹配 用户可以参照 PyTorch 官网 对预编译包所支持的 CUDA 版本进行核对。
例 1：如果用户的 /usr/local/cuda 文件夹下已安装 CUDA 10.1 版本，并且想要安装 PyTorch 1.5 版本，
则需要安装 CUDA 10.1 下预编译的 PyTorch。
conda install pytorch cudatoolkit=10.1 torchvision -c pytorch
例 2：如果用户的 /usr/local/cuda 文件夹下已安装 CUDA 9.2 版本，并且想要安装 PyTorch 1.3.1 版本，
则需要安装 CUDA 9.2 下预编译的 PyTorch。
conda install pytorch=1.3.1 cudatoolkit=9.2 torchvision=0.4.2 -c pytorch
如果 PyTorch 是由源码进行编译安装（而非直接下载预编译好的安装包），则可以使用更多的 CUDA 版本（如 9.0 版本）。
c. 克隆 mmclassification 库
git clone https://github.com/open-mmlab/mmclassification.git
cd mmclassification
d. 安装依赖包和 MMClassification
pip install -e . # or "python setup.py develop"
提示：
-
按照以上步骤，MMClassification 是以
dev模式安装的，任何本地的代码修改都可以直接生效，无需重新安装（除非提交了一些commit，并且希望提升版本号） -
如果希望使用
opencv-python-headless而不是opencv-python，可以在安装 mmcv 之前提前安装。
在多个 MMClassification 版本下进行开发
MMClassification 的训练和测试脚本已经修改了 PYTHONPATH 变量，以确保其能够运行当前目录下的 MMClassification。
如果想要运行环境下默认的 MMClassification，用户需要在训练和测试脚本中去除这一行：
PYTHONPATH="$(dirname $0)/..":$PYTHONPATH