eksnew / wechat_detection

WECHAT_DETECTION

环境配置与安装流程

以下是一个已经保证成功运行的环境，建议使用具有独立显卡的电脑作为服务器以保证 CUDA 相关驱动与工具的正常安装与使用。

依赖

• windows 10/11
• Python 3.9
• Pytorch 1.12
• CUDA 11.6
• GCC 8.1
• MMCV-full 1.6

安装流程

1. 准备环境

   假设已经安装了 CUDA 11.6 驱动程序，使用 conda 新建虚拟环境并进入：

   conda create -n wechat_detection python=3.9
   conda activate wechat_detection

2. 安装 cudatoolkit 和 PyTorch 以及相关扩展

   请保证 cudatoolkit 与驱动程序版本一致，通过以下命令行查看：

   nvidia-smi

   假设已经配置 conda forge ，安装 cudatoolkit 和 cudnn：

   conda install cudatoolkit=11.6
   conda install cudnn

   参考 PyTorch 官网 使用指令安装 PyTorch 和 torchvision，以当前环境为例：

   conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

3. 安装 MMDetection

   安装详细流程建议参考 MIM ，从安装openmim开始：

   pip install openmim

   请务必安装兼容 CUDA 功能的 MMCV_full，以当前环境为例，使用如下指令：

   pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu116/torch1.12.0/index.html

   使用 pip 命令或 mim 命令安装MMDetection：

   pip install mmdet

   mim install mmdet

   上述的命令会在环境中安装最新版本的 MMCV-full 和 MMDetection。（截止到2022/10，mmcv-full=1.6.1, mmdet=2.25.1）

   如果 MMDetection 环境配置成功，运行测试程序将得到图片结果：

   python image_demo.py

4. 服务器环境搭建

   在环境 wechat_detection 中运行如下命令以安装搭建Diangle服务器所需要的扩展：

   Please fill in the blanks.

共同开发wechat_detection

将本地的代码上传到wechat_detection的分支branch_name

如果已经安装了git命令行，请使用以下所示的方法将修改后的代码上传到指定的分支 branch_name 中，而不是将代码和权重文件压缩包上传到群聊或分支（直球）。

git branch branch_name
git checkout bramch_name
git add .
git commit -m "description"
git push origin branch_name

当然也可以使用 TortoiseGit 提交并推送。