Linux环境配置mmlab环境

参考链接
https://mmcv.readthedocs.io/zh_CN/latest/get_started/build.html
https://github.com/open-mmlab/mmsegmentation/blob/v0.13.0/docs/get_started.md#installation

安装的各项版本如下所示：
在这里插入图片描述

文章目录

一、建立 mmlab conda 环境

1、新建一个conda环境

conda create -n mmlab python=3.7

2、激活环境

conda activate mmlab

二、安装 pytorch

pytorch官网
https://pytorch.org/get-started/previous-versions/

1、安装 pytorch，这里安装的是 pytorch1.12.1 版本，需要安装其他版本的可以去 pytorch 官网查看。

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

2、在编译 mmcv-full 之前，确保 PyTorch 已经成功安装在环境中。

python -c 'import torch;print(torch.__version__)'

正确打印出 pytorch 版本号代表安装成功：
在这里插入图片描述

三、使用 mim 安装（推荐）

mim 是 OpenMMLab 项目的包管理工具，使用它可以很方便地安装 mmcv-full。

pip install -U openmim -i https://pypi.tuna.tsinghua.edu.cn/simple
mim install mmcv-full==1.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

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。

四、从源码编译 MMCV

1、克隆 mmcv 代码仓库

git clone https://github.com/open-mmlab/mmcv.git

输出：
在这里插入图片描述
进入 mmcv 目录下

cd mmcv

2、安装 ninja 和 psutil 以加快编译速度

pip install -r requirements/optional.txt

3、检查 nvcc 的版本（要求大于等于 9.2，如果没有 GPU，可以跳过）

nvcc --version

上述命令如果输出以下信息，表示 nvcc 的设置没有问题，否则需要设置 CUDA_HOME
输出：
在这里插入图片描述
4、检查 gcc 的版本（要求大于等于5.4）

gcc --version

输出：
在这里插入图片描述
5、开始编译（预估耗时 10 分钟）

MMCV_WITH_OPS=1 pip install -e .-v

镜像源安装opencv

pip install opencv-contrib-python -i https://pypi.mirrors.ustc.edu.cn/simple/

五、验证安装

在 mmcv 目录下运行 check_installation.py 文件验证是否安装成功。

# 克隆 mmcv 代码仓库
git clone https://github.com/open-mmlab/mmcv.git

python .dev_scripts/check_installation.py

标签： linux pytorch python

本文转载自: https://blog.csdn.net/Scenery0519/article/details/129595886
版权归原作者 Scenery0519 所有，如有侵权，请联系我们删除。