一.安装Linux系统

由于用虚拟机软件安装的Linux不能调用GPU，因此这里采用双系统（在Windows的电脑上再安装一个Linux系统）

讲一下遇到的几个问题：

Rufus检测不到U盘，可以换一个U盘试试

分配磁盘空间时，遇到C盘不能扩展分区，

分区时注意分区所占用的物理磁盘名称，会出现很多块磁盘名称注意区分，分为4个区：

  • /boot:主要用于引导系统正常启动，可以设为1G
  • /:根目录 尽量大一些，这个应该最大，可以给/home少一些，这个可以给200G
  • /home:用户目录 尽量大一些，这个100G差不多了
  • swap：交换空间，相当于windows的虚拟内存，可以设为和运行内存一样大小8或16G
  • 注意：安装启动引导器设备选择/boot对应分区

华硕天选的开机进入U盘引导的按键是F2，注意要在出现开机页面（ASUS字样）的那一刻不停地按F2即可

安装完之后每次重启会让你选择要进入的系统是Linux还是Windows，我这里不选的话默认进Linux

二.安装NVIDIA显卡驱动

bash中输入nvidia-smi

如果出现我下面的截图说明是安装成功了，驱动版本是510.54，驱动对应的CUDA版本号是11.6

如果没有出现如上图片，说明没有安装驱动，这里推荐最简单的安装驱动方法两种：

  • 软件更新里面的附加驱动会推荐一些可用的驱动，点击你想安装的应用更改即可（我这里不行，应用更改和选择驱动的按钮是灰色的）
  • 用命令行安装：

ubuntu-drivers devices # 查询所有ubuntu推荐的驱动,我的输出如下

driver   : nvidia-driver-450-server - distro non-free
driver   : nvidia-driver-470-server - distro non-free
driver   : nvidia-driver-510 - distro non-free
driver   : nvidia-driver-510-server - distro non-free
driver   : nvidia-driver-470 - distro non-free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin

sudo apt install nvidia-driver-510 # 安装其中一个你想要的版本即可，我这里安装的是510

执行完毕之后重启一下
还有网上别人推荐的第三种方法，极其复杂，我觉着第二种最好，可以成功且很方便，安装好之后用前面的命令测试一下即可。

三.Linux安装CUDA和CUDNN

CUDA有driver api 和 runtime api，我理解的runtime api是真正用cuda做运算时用到的版本，我们上面用nvidia-smi查到的是 driver api，而下载安装的CUDA是 runtime api，查询是否安装CUDA的runtime api用命令nvcc -V`：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Tue_Sep_15_19:10:02_PDT_2020
Cuda compilation tools, release 11.1, V11.1.74
Build cuda_11.1.TC455_06.29069683_0

我是安装过的，如果没安装不会出现上面的输出。这个版本是11.1和之前的不同，原因可以参考简书：CUDA两个版本的不同 注意安装过程中，安装号CUDA后修改环境变量时按照下面来修改：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
# export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
# 非常重要！！！就这一个导致后面的mmdetection安装mmcv-full时安装一直报错！！！
export CUDA_HOME=/usr/local/cuda

四.安装mmdetection2.8

安装Minianaconda

  • 下载：wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
  • 运行：bash Miniconda3-latest-Linux-x86_64.sh
  • 按住ctrl+c可以跳过阅读，后面一直同意即可
  • 安装好之后，打开bash输入conda env list进行测试又没有安装成，我的直接成了，如果没成可能需要配置一下环境变量，自己百度

创建虚拟环境

  • conda create -n mmd python=3.8 # mmd是环境名
  • conda remove -n mmd --all # 是删除虚拟环境

conda换源

  • vim ~/.condarc
  • 添加参考链接中的相应命令

工具弄好之后开始正式安装mmdetection

安装pytorch的GPU版本

去pytorch官网上找安装命令，注意pytorch版本要与你的CUDA的runtime版本一直，也就是nvcc -V版本一致，我这里是11.1，因此安装命令是：
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

如果上面安装报证书错误(There was a problem confirming the ssl certificate: HTTPSConnectionPool(host=‘**.org‘,port=443)用下面的命令：

pip install --trusted-host download.pytorch.org torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

一定注意版本别搞错了，推荐的一套版本是

  • CUDA 11.1
  • torch 1.9.0
  • torchvision 0.10.0
  • torchaudio 0.9.0

安装mmcv-full
这里建议直接把mmcv的github库克隆下来：

git clone https://github.com/open-mmlab/mmcv.git
# 会自动把内容放到mmcv文件夹
cd mmcv
# MMCV_WITH_OPS=1是安装mmcv-full，否则是安装mmcv，这里mmdetection2.8需要mmcv-full
MMCV_WITH_OPS=1 pip install -e .  # package mmcv-full will be installed after this step

不过安装完的是1.4.7的最新版本，与mmdetection2.8要求的版本不符合，此时可以执行

pip install mmcv-full==1.2.4 安装1.2.4版本

也可以用命令

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

进行安装，还是一定注意CUDA版本号和pytorch，torchvision等对应，CUDA环境变量别弄错了！！！

安装mmcv-full时出了很多错误，总结一下，感慨一下：

  • 首先是CUDA版本和torch版本要一致，建议CUDA版本别太高，不然torch版本没那么高的
  • 安装CUDA时，CUDA_HOME的环境要写对，我之前按照别人写的的多加了一个冒号，结果就出现在这个冒号身上
  • 执行到Running setup.py develop for mmcv-full时可能会卡一会，不用担心
  • 如果报错了也别直接复制最后一行去百度，可以向前翻翻错误的地方，找到可能是关键的地方再百度

安装mmdetection2.8

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

测试
执行官方给的测试命令即可：
新建一个test.py文件在mmdetection文件夹中，下载给定的网络权重方放到mmdetection的checkpoints文件夹中（新建）中

from mmdet.apis import init_detector, inference_detector
 
 config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
 # download the checkpoint from model zoo and put it in `checkpoints/`
 # url: 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'
 # init a detector
 model = init_detector(config_file, checkpoint_file, device=device)
 # inference the demo image
 inference_detector(model, 'demo/demo.jpg')

如果正常执行就OK了，我的报了两个警告，不过结果正确，先不管了

五.Vscode远程操控Linux

其实可以在一台有GPU的电脑上，Linux系统安装mmdetection，另一台只有cpu的Windows的电脑远程操控，比如弄一个有GPU的台式机在家，拿一个轻薄本，就可以远程操控台式机进行训练。

下面是在Linux系统的主机上运行的：

  • 安装 net-tools 工具：sudo apt-get install net-tools，如果失败，可能是软件源没有更新
  • sudo apt-get update 更新源再试试
  • ifconfig 查看ip地址
  • 安装openssh-server工具，sudo apt-get install openssh-server

下面是在Windows主机上进行的操作

  • 安装vscode（百度即可）
  • vscode中安装ssh插件，插件商店直接搜索ssh即可出现
  • 打开cmd，ping 刚才查到的IP地址，如果能ping通说明可以连接
  • cmd中输入 ssh 主机用户名@主机IP地址 如果失败了，可能是主机中没有安装openssh-server服务，在主机上安装即可：sudo apt-get install openssh-server
  • cmd中输入 ssh 主机用户名@主机IP地址，输入主机用户密码即可
  • vscode中找到远程连接小图标，输入 ssh 主机用户名@主机IP地址，然后输入密码即可连接成功

至此，环境配置完成，后面会用其来测试自己的数据集