AI实战营第二期 | 环境配置及安装
- 强烈推荐使用 mim 来管理 OpenMMLab repo
- OpenMMLab repo 不要 mim 和 pip 混用
- OpenMMLab 1.0 和 OpenMMLab 2.0 环境分离，不要耦合在一个环境里面
以下是比较推荐的初学者配置方式，进阶之后推荐使用软链接模式，详见：
一、OpenMMLab 1.0 系列
1.1 新建conda环境
conda create -n mmlab1 python=3.8
conda activate mmlab1
1.2 配置pytorch
这里假设已经安装好了NVIDIA驱动以及CUDA、cudnn等环境。
可以用下面的命令进行验证：
nvidia-smi
nvcc -V
如果发生错误，请自行检索问题并执行。
假设验证成功，则接下来下面的步骤。
conda activate mmlab1 # 切换至 OpenMMLab 1.0 系列环境（假设已安装好 PyTorch）
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116 # 安装对应CUDA版本的pytorch环境
1.3 安装mim与mmcv
pip install -U openmim # 安装 mim
mim install mmcv-full # 安装基础库 mmcv 完整版
1.4 安装mmdetetection
# 源码安装 mmdet
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
mim install -v -e .
1.5 安装mmclassification(mmpretrain)
(mmclassification已经更新为mmpretrain)
# 源码安装 mmcls
git clone https://github.com/open-mmlab/mmclassification.git
cd mmclassification
mim install -v -e .
二、OpenMMLab 2.0 系列
2.1 新建conda环境
conda create -n mmlab2 python=3.8
conda activate mmlab2
同上1.1。
2.2 配置pytorch环境
命令同上1.2。
1.3 安装mim与mmengine
pip install -U openmim
mim install mmengine # 安装基础库 mmengine
mim install "mmcv==2.0.0rc4" # 安装基础库 mmcv 完整版（2.x 以后完整版从 mmcv-full 更名为 mmcv）
1.4 安装mmsegmentation
git clone https://github.com/open-mmlab/mmsegmentation.git
cd mmsegmentation
mim install -v -e .
1.5 安装mmpose
(注意：安装mmpose会先安装mmdet，可能会与mmcv2.0.0.rc4冲突，可以用conda新建虚拟环境分隔开)
git clone https://github.com/open-mmlab/mmpose.git
cd mmpose
mim install -v -e .
1.6 安装mmagic
git clone https://github.com/open-mmlab/mmagic.git
cd mmsegmentation
mim install -v -e .
