Win11、PyTorch和MMDetection的GPU配置：一次令人难忘的踩坑经历

一 anaconda 安装和配置

1. 下载

软件下载地址 下载地址 Index of /anaconda/archive/

按照date排序，选择最新的版本，如下图。

2. 安装

记得在安装中勾选此选项。

3. 验证

一路安装完成以后，就可以打开cmd测试一下安装结果。 分别输入python、ipython、conda、jupyter notebook等命令，会看到相应的结果，说明安装成功。（python是进入python交互命令行；ipython是进入ipython交互命令行，很强大；conda是Anaconda的配置命令；jupyter notebook则会启动Web端的ipython notebook）

4. 换源

Anaconda安装成功之后，我们需要修改其包管理镜像为国内源。

Tsinghua Open Source Mirror

按照指引更换清华源。

5. 基本语句

• 创建新虚拟环境
  • conda create -n py37 python=3.7
  • 意思是创建名为 py37 的环境， python版本3.7
• 进入环境
  • conda activate py37
  • 接下来的操作都需要在虚拟环境中进行
• 退出环境
  • conda deactivate
• 安装包
  • conda install xxx
• 删除环境
  • conda remove -n py37 --all

二 pytorch 安装和配置

1. 总述

pytorch 部分安装需要 cuda、cudnn、torch版本匹配。

mmdetection 部分安装需要 mmcv、mmdt版本匹配。

我们先去 mmcv 文档检查支持的版本。网址为欢迎来到 MMCV 的中文文档！ — mmcv 1.7.0 文档，在介绍与安装 - 安装 MMCV - 使用 pip 安装一节中，提到了对应版本匹配情况。

所以我们选择 cuda=11.6 torch=1.12 mmcv=1.62。

cuda版本一定要选择 11.6。

这是一个大坑，千万不要选错版本。

2. pytorch 安装

实际上，nvidia 显卡笔记本都内置cuda，只不过版本各异。我们需要在虚拟环境中安装特定版本 cuda。

首先创建新环境，python选择3.8。进入该环境。

Start Locally | PyTorch是 pytorch 安装 start。可以看到需要选择对应的版本，直接按照如图选择。

会到国外的镜像去下载一些包，亲测清华源似乎有点包不兼容，所以就等吧。

3. pytorch 检查

安装好， 我们需要去检查 pytorch 是否安装成功，是否是 GPU 版本。

输入python进入 python 环境。

import torch

a = torch.ones((3, 1))

a = a.cuda(0)

如果运行没有报错，恭喜完成了 GPU 版本 pytorch 的安装。

三 mmdetection 安装

1. mmcv 安装

有两个版本 mmcv-full 和 mmcv, 做科研推荐 mmcv-full。

运行

pip install -U openmim
mim install mmcv-full

“如果发现上述的安装命令没有使用预编译包（以 .whl 结尾）而是使用源码包（以 .tar.gz 结尾）安装，则有可能是我们没有提供和当前环境的 PyTorch 版本、CUDA 版本相匹配的 mmcv-full 预编译包，此时，你可以[源码安装 mmcv-full]”

之前踩过坑，选择了没有预编译包的cuda和torch版本，结果拉下来就是 tar.gz 的包，需要重新编译，然后一直提示 g++ return 0， 尝试谷歌了很久都没有解决。

2. mmdetection 安装

运行

pip install openmim
mim install mmdet

其实如果这一步没有问题，可以直接省略 1中的mmcv-full 安装。

3. mmdet 验证

按照官网实例： 为了验证是否正确安装了 MMDetection 和所需的环境，我们可以运行示例的 Python 代码来初始化检测器并推理一个演示图像：

from mmdet.apis import init_detector, inference_detector

config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
# 从 model zoo 下载 checkpoint 并放在 `checkpoints/` 文件下
# 网址为: http://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'
# 初始化检测器
model = init_detector(config_file, checkpoint_file, device=device)
# 推理演示图像
inference_detector(model, 'demo/demo.jpg')

四 总结

自此大功告成，最大的启发就是：按照各个模块的版本要求来，多看看文档。