文章目錄

• 1. 總體環境要求
• 2. 安裝步驟
• • 2.1 基礎軟件安裝
  • • 2.1.1 安裝vs2017
    • 2.1.2 安裝顯卡驅動（windows系統如自帶，則不必安裝）
    • 2.1.3 安裝cuda10
    • 2.1.4 安裝cudnn7.6.4（以下以cudnn7.5為例）
    • 2.1.5 安裝anaconda3
    • 2.1.6 安裝gitbash
  • 2.2 基礎代碼庫下載與編譯
  • • 2.2.1 anaconda虛擬環境建立并安裝pytorch
    • 2.2.2 mmcv下載與調整
    • 2.2.3 mmdetection下載與調整
    • 2.2.4 SOLO下載與調整
• 3 測試

1. 總體環境要求

• cuda 9.2 硬性要求，否則失敗，torch1.2.0推薦cuda-10.0/10.1，cudnn-7.6.4
• torch 1.2.0, torchvision 0.4.0
• C ++ 2015及以上
• mmdetection 1.1.0
• mmcv 新的可以用（依舊推薦mmcv==2.0.16）
• SOLOV2 新的可以用
• opencv-python 新的可以用

2. 安裝步驟

2.1 基礎軟件安裝

2.1.1 安裝vs2017

下載安裝選擇c++即可：

2.1.2 安裝顯卡驅動（windows系統如自帶，則不必安裝）

顯卡驅動：nvidia顯卡驅動
選擇對應的版本和顯卡型號：
下載驅動后，默認一直下一步即可：

2.1.3 安裝cuda10

下載地址：cuda10
安裝，選擇自定義后，一直下一步。



安裝完成后，檢查環境變量中是否添加成功：

測試cuda是否能運行：
cmd中運行nvcc -V
能打印出信息則安裝成功

2.1.4 安裝cudnn7.6.4（以下以cudnn7.5為例）

下載cudnn需要登陸nvidia賬號：
下載cudnn7.6.4：cudnn7.6.4


下載解壓后，按照下面的表，把對應文件復制過去：

添加環境變量：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

2.1.5 安裝anaconda3

下載地址：anaconda

下載后，雙擊安裝即可。

anaconda3安裝注意事項參見：Mask-RCNN應用 - Win10上安裝Mask-RCNN運行環境- 第二步：安裝Anaconda

2.1.6 安裝gitbash

用于下載github上的項目和安裝pycocotools
下載地址：gitbash

2.2 基礎代碼庫下載與編譯

conda國內使用清華源加速：conda清華源
pip使用清華源：pypi清華源
一定要管理員權限運行：

2.2.1 anaconda虛擬環境建立并安裝pytorch

conda create -n solo python=3.7 conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

如果由于網絡原因pytorch按照上述方法下載較慢，可通過離線安裝包安裝，安裝包下載鏈接為：
鏈接：https://pan.baidu.com/s/19RXQdrQ9kgyV-P3mKBNAog
提取碼：rb97

2.2.2 mmcv下載與調整

mmcv 新的可以用（依舊推薦mmcv==2.0.16）

git clone https://github.com/open-mmlab/mmcv cd mmcv pip install . pip install Cython==0.29.14

2.2.3 mmdetection下載與調整

mmdetection 1.1.0

git clone https://github.com/open-mmlab/mmdetection.git cd mmdetection pip install -r requirements.txt # 進行編譯 python setup.py build_ext --inplace # 完成安裝 python setup.py install develop

安裝成功后查看：pip list

2.2.4 SOLO下載與調整

SOLOV2 新的可以用
注意以下第二步： pycocotool/cocoapi的安裝需要注意，參考Mask-RCNN應用 - Win10上安裝Mask-RCNN運行環境-第六步：基于mask rcnn的其他需要安裝部分-3.pycocotools 安裝

git clone https://github.com/WXinlong/SOLO.git cd SOLO pip install -r requirements/build.txt pip install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI" pip install -v -e . # or "python setup.py develop"

3 測試

該代碼在SOLO/demo文件夾中可以找到
代碼中需要的checkpoints/DECOUPLED_SOLO_R50_3x.pth與config文件中的py文件相對應
checkpoints文件夾需要自己建立并下載對應模型，模型下載鏈接如文末

筆者在測試時發現當前代碼運行有bug，需要修改源碼，如需要該源碼或學習指導，請用手機打開以下鏈接：https://m.tb.cn/h.fINaraE?tk=PCzA2jPp4V0，進行咨詢

from mmdet.apis import init_detector, inference_detector, show_result_pyplot, show_result_ins import mmcvconfig_file = '../configs/solo/decoupled_solo_r50_fpn_8gpu_3x.py' # download the checkpoint from model zoo and put it in `checkpoints/` checkpoint_file = '../checkpoints/DECOUPLED_SOLO_R50_3x.pth'# build the model from a config file and a checkpoint file model = init_detector(config_file, checkpoint_file, device='cuda:0')# test a single image img = 'demo.jpg' result = inference_detector(model, img)show_result_ins(img, result, model.CLASSES, score_thr=0.25, out_file="demo_out.jpg")

如測試沒有問題，則在demo文件夾下會生成如下圖所示的“demo_out.jpg”

models:

ModelMulti-scale trainingTesting time / imAP (minival)Link

SOLO_R50_1x	No	77ms	32.9	download
SOLO_R50_3x	Yes	77ms	35.8	download
SOLO_R101_3x	Yes	86ms	37.1	download
Decoupled_SOLO_R50_1x	No	85ms	33.9	download
Decoupled_SOLO_R50_3x	Yes	85ms	36.4	download
Decoupled_SOLO_R101_3x	Yes	92ms	37.9	download
SOLOv2_R50_1x	No	54ms	34.8	download
SOLOv2_R50_3x	Yes	54ms	37.5	download
SOLOv2_R101_3x	Yes	66ms	39.1	download
SOLOv2_R101_DCN_3x	Yes	97ms	41.4	download
SOLOv2_X101_DCN_3x	Yes	169ms	42.4	download

Light-weight models:

ModelMulti-scale trainingTesting time / imAP (minival)Link

Decoupled_SOLO_Light_R50_3x	Yes	29ms	33.0	download
Decoupled_SOLO_Light_DCN_R50_3x	Yes	36ms	35.0	download
SOLOv2_Light_448_R18_3x	Yes	19ms	29.6	download
SOLOv2_Light_448_R34_3x	Yes	20ms	32.0	download
SOLOv2_Light_448_R50_3x	Yes	24ms	33.7	download
SOLOv2_Light_512_DCN_R50_3x	Yes	34ms	36.4	download

總結

以上是生活随笔為你收集整理的SOLO在windows 10环境下安装的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。