Swin-Transformer-Object-Detection项目安装教程

0 基本环境要求

• pytorch
• CUDA
• Visual Studio
• anaconda

注意：

• 我本机的pytorch版本是1.9.1，CUDA版本是11.1，anaconda版本是：Anaconda3-2021.04-Windows-x86_64.exe，Visual Studio版本是 Visual Studio Community 2019
• 另外需要注意的是，使用python3.9版本可能会出现错误如下错误：
  No matching distribution found for pycocotools_windows，也就是说python3.9无法安装pycocotools_windows，所以最好将python版本改为3.6，3.7 或 3.8

1 安装mmcv

方法一 ：离线安装(本人就是采用这种方式)

• 第一步

克隆mmcv项目到本地（如d:）

git clone -b v1.3.1 https://github.com/open-mmlab/mmcv.git

Swin Transformer项目所要求的mvcc版本必须是 >=1.2.4且<=1.4.0，否则会报错。所以本人使用的mmcv版本是1.3.1

• 第二步：

cd mmcv
pip install -r requirements.txt

• 第三步：

找到cl.exe的路径地址，然后将其添加到环境变量中，通常cl.exe的位置就在Visual Studio 的安装的目录中

本人的 cl.exe位置在：

C:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.28.29910\bin\Hostx64\x86

• 第四步
  下面所有命令需要在Power Shell命令窗口执行，Power Shell的位置如下图红框所示
  

打开Power Shell，如下输入命令

set Path=c
cl

如果出现如下结果，说明环境变量添加成功

• 第五步

查看本机的GPU算力：

可以使用下面语句来查看本机的GPU算力：

import torch
print('当前显卡的CUDA算力:',torch.cuda.get_device_capability())

也可以打开下面链接查找GPU的计算能力
https://developer.nvidia.cn/zh-cn/cuda-gpus

本人的电脑显卡型号是GTX1660TI,无法在表中找到自己的GPU型号，所以选择了与其算了接近的RTX2060，算力值是7.5

• 第六步

在Power Shell命令窗口中执行：

$env:TORCH_CUDA_ARCH_LIST="7.5" #估计自己电脑的GPU算力进行设置
$env:MMCV_WITH_OPS = 1
$env:MAX_JOBS = 4  # 根据你可用CPU的核心数进行设置

• 第七步

#切换到mmcv所在目录
cd mmcv
#编译
python setup.py build_ext 
#安装
python setup.py build_ext 

方法二：在线安装
注意：本人刚开始就是使用在线安装的方式，虽然安装成功，但是后面在运行Swin Transformer项目的demo时，出现了如下错误信息：

No module named ‘mmcv_custom‘

后来才发现，原来是因为我安装的mmcv版本是1.4.0，该版本太高了，需要降低版本才可以，但是根据我的cuda版本和torch版本只能使用1.4.0及以上版本，所以放弃方法二，采用了方法一，并且顺利安装了1.3.1的版本，

• 第一步

首先查看自己的torch版本和CUDA版本，然后打开mmcv的github链接：https://github.com/open-mmlab/mmcv/blob/master/README.md，查看下面的配置表，比如我的torch版本是1.9，CUDA版本是11.1，所以我就就选择下面红框所示的安装方法

• 第二步：

打开上图中红框中的箭头，详细内容如下所示：

• 第三步：

然后你还需要打开上面红框中的链接：https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html，核时一下该链接中是否有所需要的版本，因为我的系统是windows系统，python版本是3.8，并且我必须选择1.4.0及以下版本，所以此时的可选结果如下红框所示

注意：

• Swin Transformer项目所要求的mvcc版本必须是：>=1.2.4且<=1.4.0，否则会报错，比如我第一次安装的mvcc版本是1.4.1,就会出现如下报错信息
  

• 第四步；

在命令行输入如下安装命令：

pip install mmcv-full== 1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html

注意：这里我是按照自己的版本要求进行下载，你也可以根据自己的具体电脑情况进行下载，方法跟上面过程类似

2 安装mmdetection

mmdetection的版本一定要与mmcv版本相匹配，具体参考下表，由于我的mmcv版本是1.3.1，所以mmdetection的版本设定为2.11.0

分别在命令行输入如下四行命令：

git clone -b v2.11.0 https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -r requirements/build.txt
pip install -v -e . # or "python setup.py develop"

3 安装apex

它是用于半精度训练，可以节省显存和加快训练速度

克隆apex项目到本地（如d:）

git clone https://github.com/NVIDIA/apex

执行如下命令：

cd apex
python setup.py install

4 安装Swin-Transformer-Object-Detection

• 克隆mmcv项目到本地（如d:）

    git clone https://github.com/SwinTransformer/Swin-Transformer-Object-Detection.git

• 执行如下命令：

    cd Swin-Transformer-Object-Detection
    python setup.py develop

• 测试是否安装成功
  首先到Swin-Transformer-Object-Detection的github官网https://github.com/SwinTransformer/Swin-Transformer-Object-Detection下载权重文件，
  

然后将该权重文件放到Swin-Transformer-Object-Detection文件夹中

最后在命令行输入如下测试命令，如果出现下面的结果，则说明安装成功：

python demo/image_demo.py demo/demo.jpg 
configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_1x_coco.py 
mask_rcnn_swin_tiny_patch4_window7_1x.pth

注意：上面的测试命令其实是一行命令，它输入到命令行的效果如下

如果出现信息UserWarning: Matplotlib is currently using agg, which is a non-GUI backend ，可在demo/image_demo.py中加入下面内容

import matplotlib
matplotlib.use('TkAgg')