mmtrack mmdet mmcv 環境のインストールバージョンは 2023.5.18 と一致します

1. 公式ウェブサイトを参照してください。

https://mmtracking.readthedocs.io/zh_CN/latest/install.html#

mmtracking、mmcv、mmdetection バージョンの一致関係:

MMTracking バージョン	MMCVバージョン	MMDetection バージョン
マスター	mmcv-full>=1.3.17、\<2.0.0	MMDetection>=2.19.1、\<3.0.0
0.14.0	mmcv-full>=1.3.17、\<2.0.0	MMDetection>=2.19.1、\<3.0.0
0.13.0	mmcv-full>=1.3.17、\<1.6.0	MMDetection>=2.19.1、\<3.0.0
0.12.0	mmcv-full>=1.3.17、\<1.5.0	MMDetection>=2.19.1、\<3.0.0
0.11.0	mmcv-full>=1.3.17、\<1.5.0	MMDetection>=2.19.1、\<3.0.0
0.10.0	mmcv-full>=1.3.17、\<1.5.0	MMDetection>=2.19.1、\<3.0.0
0.9.0	mmcv-full>=1.3.17、\<1.5.0	MMDetection>=2.19.1、\<3.0.0
0.8.0	mmcv-full>=1.3.8、\<1.4.0	MMDetection>=2.14.0、\<3.0.0

2. インストール:

• conda は mmtrack 環境を作成してアクティブ化します。

conda create -n mmtrack python=3.8 pip numpy -y
conda activate mmtrack

• cuda のバージョンを確認します。

nvcc -V 或者nvidia-smi
注意：
CUDA有 Runtime 运行API和 Driver 驱动API，两者都有对应的CUDA版本：
nvcc -V 显示的就是Runtime 运行API对应的CUDA版本，
而 nvidia-smi显示的是Driver 驱动API对应的CUDA版本。
一般运行API版本<=驱动API版本即可。
软件运行时调用的应该是Runtime API
cat /usr/local/cuda/version.txt 显示的就是cuda软链接里面的cuda版本

————————————————
版权声明：本文为CSDN博主「图形学挖掘机」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_42416791/article/details/115720181

• pytorchなどをインストールします。

pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113

注: 私のバージョンは cuda11.3 なので、 11.3 のインストール コマンドは公式 Web サイトで見つけることができます:
https://pytorch.org/get-started/previous-versions/ : pip install torch==1.12.0+cu113 torchvision ==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113

• mmvc をインストールする

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.12.0/index.html

注: cuda のバージョンと torch のバージョンは前の手順と一致する必要があります。ここでは cu113、torch のバージョンは 1.12.0 であるため、ここでは torch1.12.0 になります。

• mmdet、mmtrack のインストールについては、公式 Web サイトを参照してください:依存関係 - MMTracking 0.14.0 ドキュメント

1. MMDetection をインストールします。

   pip インストール mmdet
   

   または、コードを変更したい場合は、ソースから MMDetection をビルドすることもできます。

   git clone https://github.com/open-mmlab/mmdetection.git 
   cd mmdetection
   注: クローン化された master ブランチのデフォルトはバージョン 3.0.0 です。mmtrack は現在このバージョンをサポートしていないため、バージョン 2.x にチェックアウトする必要があります. コンパイルに進みます。
   チェックアウト コマンド: git checkoutorigin/2.x コンパイル 
   およびインストール コマンド: 
   pip install -rrequirements/build.txt 
   pip install -v -e . # または "python setup.py detect"
   

   インストールが成功したことを確認します。

   mmdet をインポート

   print(mmdet.__version__)

   # 期待される出力: 3.0.0 または他のバージョン番号

   

   その他の参考資料:

   最初の一歩を踏み出しましょう — MMDetection 3.0.0 ドキュメント

2. MMTracking リポジトリのクローンをローカルに作成します。

   git clone https://github.com/open-mmlab/mmtracking.git 
   cd mmtracking
   

3. まず依存関係をインストールしてから、MMTracking をインストールします。

   pip install -rrequirements/build.txt 
   pip install -v -e 。# または "python setup.py 開発"
   

4. 追加の依存関係をインストールします。

• MOTChallenge の評価:

  pip install git+https://github.com/JonathonLuiten/TrackEval.git
  

• LVIS 評価の場合:

  pip install git+https://github.com/lvis-dataset/lvis-api.git
  

• TAOの評価:

  pip install git+https://github.com/TAO-Dataset/tao.git

確認する

MMTracking と必要な環境が正しくインストールされていることを確認するには、MOT、VID、および SOT のサンプル スクリプトを実行します。

MOT デモ スクリプトを実行すると、出力が次 mot.mp4 の名前のビデオ ファイルであることがわかります。

python デモ/demo_mot_vis.py configs/mot/deepsort/sort_faster-rcnn_fpn_4e_mot17-private.py --input デモ/demo.mp4 --output mot.mp4

3. 踏まれた穴

1. エラーを報告します。

検出された CUDA バージョン (12.0) は、コンパイルに使用されたバージョンと一致しません

      PyTorch (11.8)。必ず同じ CUDA バージョンを使用してください。

理由: pytorch2.0.1 は cuda12.0 をサポートしていません

解決策: cuda11.8 をインストールする

2. pip install mmcv-full -f の代わりに mim install "mmcv>=2.0.0" を使用して mmcv をインストールします https://download.openmmlab.com/mmcv/dist/cu113/torch1.12.0/index.html

エラーが報告されました:

nvcc 致命的: サポートされていない GPU アーキテクチャ「compute_89」

エラー: コマンド '/usr/local/cuda-11.4/bin/nvcc' が終了コード 1 で失敗しました

[出力終了]

注: このエラーはサブプロセスから発生しており、pip の問題ではない可能性があります。

エラー: レガシーインストールの失敗

× パッケージをインストールしようとしたときにエラーが発生しました。

╰─> mmcv

注: これは、pip ではなく、上記のパッケージの問題です。

ヒント: 失敗時の出力については、上記を参照してください。

理由: 異なる GPU の計算能力には一貫性がありません。コンピューティング能力のリファレンス: https://en.wikipedia.org/wiki/CUDA

コンピューティング 能力 （バージョン）	マイクロアーキテクチャ	GPU	ジーフォース
1.0	テスラ	G80	GeForce 8800 ウルトラ、GeForce 8800 GTX、GeForce 8800 GTS(G80)
1.1	テスラ	G92、G94、G96、G98、G84、G86	GeForce GTS 250、GeForce 9800 GX2、GeForce 9800 GTX、GeForce 9800 GT、GeForce 8800 GTS(G92)、GeForce 8800 GT、GeForce 9600 GT、GeForce 9500 GT、GeForce 9400 GT、GeForce 8600 GTS、GeForce 8600 GT、GeForce CE8500GT 、 GeForce G110M、GeForce 9300M GS、GeForce 9200M GS、GeForce 9100M G、GeForce 8400M GT、GeForce G105M
1.2	テスラ	GT218、GT216、GT215	GeForce GT 340*、GeForce GT 330*、GeForce GT 320*、GeForce 315*、GeForce 310*、GeForce GT 240、GeForce GT 220、GeForce 210、 GeForce GTS 360M、GeForce GTS 350M、GeForce GT 335M、GeForce GT 330M、GeForce GT 325M、GeForce GT 240M、GeForce G210M、GeForce 310M、GeForce 305M
1.3	テスラ	GT200、GT200b	GeForce GTX 295, GTX 285, GTX 280, GeForce GTX 275, GeForce GTX 260
2.0	フェルミ	GF100、GF110	GeForce GTX 590, GeForce GTX 580, GeForce GTX 570, GeForce GTX 480, GeForce GTX 470, GeForce GTX 465, GeForce GTX 480M
2.1	フェルミ	GF104、GF106 GF108、GF114、GF116、GF117、GF119	GeForce GTX 560 Ti、GeForce GTX 550 Ti、GeForce GTX 460、GeForce GTS 450、GeForce GTS 450*、GeForce GT 640 (GDDR3)、GeForce GT 630、GeForce GT 620、GeForce GT 610、GeForce GT 520、GeForce GT 440、 GeForce GT 440*、GeForce GT 430、GeForce GT 430*、GeForce GT 420*、 GeForce GTX 675M、GeForce GTX 670M、GeForce GT 635M、GeForce GT 630M、GeForce GT 625M、GeForce GT 720M、GeForce GT 620M、GeForce 710M、GeForce 610M、GeForce 820M、GeForce GTX 580M、GeForce GTX 570M、Geフォース GTX 560M、GeForce GT 555M、GeForce GT 550M、GeForce GT 540M、GeForce GT 525M、GeForce GT 520MX、GeForce GT 520M、GeForce GTX 485M、GeForce GTX 470M、GeForce GTX 460M、GeForce GT 445M、GeForce GT 435M、GeForce GT 420M、GeFor CEGT415M 、GeForce 710M、GeForce 410M
3.0	ケプラー	GK104、GK106、GK107	GeForce GTX 770, GeForce GTX 760, GeForce GT 740, GeForce GTX 690, GeForce GTX 680, GeForce GTX 670, GeForce GTX 660 Ti, GeForce GTX 660, GeForce GTX 650 Ti BOOST, GeForce GTX 650 Ti, GeForce GTX 650, GeForce GTX 880M, GeForce GTX 870M, GeForce GTX 780M, GeForce GTX 770M, GeForce GTX 765M, GeForce GTX 760M, GeForce GTX 680MX, GeForce GTX 680M, GeForce GTX 675MX, GeForce GTX 670MX, GeForce GTX 660M, GeForce GT 750M, GeForce GT 650M, GeForce GT 745M, GeForce GT 645M, GeForce GT 740M, GeForce GT 730M, GeForce GT 640M, GeForce GT 640M LE, GeForce GT 735M, GeForce GT 730M
3.5	Kepler	GK110, GK208	GeForce GTX Titan Z, GeForce GTX Titan Black, GeForce GTX Titan, GeForce GTX 780 Ti, GeForce GTX 780, GeForce GT 640 (GDDR5), GeForce GT 630 v2, GeForce GT 730, GeForce GT 720, GeForce GT 710, GeForce GT 740M (64-bit, DDR3), GeForce GT 920M
5.0	Maxwell	GM107, GM108	GeForce GTX 750 Ti, GeForce GTX 750, GeForce GTX 960M, GeForce GTX 950M, GeForce 940M, GeForce 930M, GeForce GTX 860M, GeForce GTX 850M, GeForce 845M, GeForce 840M, GeForce 830M
5.2	Maxwell	GM200, GM204, GM206	GeForce GTX Titan X, GeForce GTX 980 Ti, GeForce GTX 980, GeForce GTX 970, GeForce GTX 960, GeForce GTX 950, GeForce GTX 750 SE, GeForce GTX 980M, GeForce GTX 970M, GeForce GTX 965M
6.1	Pascal	GP102, GP104, GP106, GP107, GP108	Nvidia TITAN Xp, Titan X, GeForce GTX 1080 Ti, GTX 1080, GTX 1070 Ti, GTX 1070, GTX 1060, GTX 1050 Ti, GTX 1050, GT 1030, GT 1010, MX350, MX330, MX250, MX230, MX150, MX130, MX110
7.0	Volta	GV100	NVIDIA TITAN V
7.5	Turing	TU102, TU104, TU106, TU116, TU117	NVIDIA TITAN RTX, GeForce RTX 2080 Ti, RTX 2080 Super, RTX 2080, RTX 2070 Super, RTX 2070, RTX 2060 Super, RTX 2060 12GB, RTX 2060, GeForce GTX 1660 Ti, GTX 1660 Super, GTX 1660, GTX 1650 Super, GTX 1650, MX550, MX450
8.6	Ampere	GA102, GA103, GA104, GA106, GA107	GeForce RTX 3090 Ti, RTX 3090, RTX 3080 Ti, RTX 3080 12GB, RTX 3080, RTX 3070 Ti, RTX 3070, RTX 3060 Ti, RTX 3060, RTX 3050, RTX 3050 Ti(mobile), RTX 3050(mobile), RTX 2050(mobile), MX570
8.9	Ada Lovelace	AD102, AD103, AD104, AD106, AD107	GeForce RTX 4090, RTX 4080, RTX 4070 Ti, RTX 4070

3. 报错：pip install git+https://github.com/JonathonLuiten/TrackEval.git时报错：

  fatal: unable to access 'GitHub - JonathonLuiten/TrackEval: HOTA (and other) evaluation metrics for Multi-Object Tracking (MOT).': GnuTLS recv error (-110): The TLS connection was non-properly terminated.

  error: subprocess-exited-with-error

 

  × git clone --filter=blob:none --quiet GitHub - JonathonLuiten/TrackEval: HOTA (and other) evaluation metrics for Multi-Object Tracking (MOT). /tmp/pip-req-build-ex0bgbo7 did not run successfully.

  │ exit code: 128

  ╰─> See above for output.

 

  note: This error originates from a subprocess, and is likely not a problem with pip.

error: subprocess-exited-with-error

× git clone --filter=blob:none --quiet GitHub - JonathonLuiten/TrackEval: HOTA (and other) evaluation metrics for Multi-Object Tracking (MOT). /tmp/pip-req-build-ex0bgbo7 did not run successfully.

│ exit code: 128

╰─> See above for output.

note: This error originates from a subprocess, and is likely not a problem with pip.

原因：可能是github连接不稳定，

解决办法：重新执行几次命令即可。

4.  ModuleNotFoundError: 「mmcv._ext」という名前のモジュールがありません

pip install mmcv-full==1.3.17 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.12.0/index.html

注: リンク内の cuda バージョンと torch バージョンは一致している必要があります

 参考: ModuleNotFoundError: 'mmcv._ext' という名前のモジュールがありません solution_mmcv_AI という名前のモジュールがありません Bacteria のブログ - CSDN ブログ