【目标跟踪】【MMTracking的部署与开发】01 安装与部署

1.准备

• Linux | macOS | Windows

• Python 3.6+

• PyTorch 1.3+

• CUDA 9.2+ (If you build PyTorch from source, CUDA 9.0 is also compatible)

• GCC 5+

• MMCV

• MMDetection

兼容的MMTracking、MMCV和MMDetection版本如下所示。请安装正确的版本,以避免出现安装问题。

MMCV:
MMCV

MMDetection:
MMDetection:

2.安装

2.1 安装细节

官方文档上有个推荐的教程,我参考这个教程,结合网上其他的教程,自己在Linux服务器上面成果部署了一套环境

1.创建虚拟环境并激活

python 复制代码
conda create -n open-mmlab python=3.9 -y
conda activate open-mmlab

2.安装Pytorch

注意要安装与自己电脑CUDA版本对应的Pytorch

对于CUDA11.X版本的 我建立安装Pytorch的1.8版本或者1.7

如果CUDA是10.X版本的,官方文档上建议安装1.5版本的Pytorch

python 复制代码
# CUDA 11.3
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch -c conda-forge

上面的代码是去Pytorch官网上找的,

找到官网首页

添加链接描述

点击Previous versions of Pytorch

就可以根据自己操作系统和CUDA的版本情况来选择对应的Pytorch的安装指令

3.安装VOT视频目标跟踪评估需要的依赖库(这个是可选的)

如果您需要评估VOT挑战,请在安装mmcv和mmdetection之前安装虚拟工具包,以避免某些依赖项之间可能存在的numpy版本需求冲突

python 复制代码
pip install git+https://github.com/votchallenge/toolkit.git

4.安装mmcv-full

推荐采用以下的安装方式:

python 复制代码
# pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html

cu_version是CUDA的版本,torch_version是Pytorch的版本

比如我的CUDA的版本是11.3,我的Pytorch的版本是1.10

我的mmcv-full的安装指定就是:

python 复制代码
pip install mmcv-full==1.7.0 -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10.0/index.html

在这里我指定了mmcv-full的安装版本是1.7.0,我推荐使用1.5.0-2.0.0之间的版本

5.安装MMDetection

有两种安装方法:

一种是直接安装,或者先安装mim

python 复制代码
pip install openmim
mim install mmdet==2.25.1

2.25.1是mmdetection的版本号,这个mmcv mmdetection和mmtracking之间都存在着版本兼容关系,建议大家查一下。

另外一种就是git clone

python 复制代码
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"

6.git clone MMtracking

python 复制代码
git clone https://github.com/open-mmlab/mmtracking.git
cd mmtracking

7.安装MMtracking

python 复制代码
pip install -r requirements/build.txt
pip install -v -e .
# or "python setup.py develop"

8.安装额外的依赖库

对于MOTChallenge任务

python 复制代码
pip install git+https://github.com/JonathonLuiten/TrackEval.git

对于LVIS evaluation

python 复制代码
pip install git+https://github.com/lvis-dataset/lvis-api.git

对于TAO evaluation:

python 复制代码
pip install git+https://github.com/TAO-Dataset/tao.git

需要说明的是,按照上述说明,MMTracking安装在开发模式下,对代码进行的任何本地修改都将生效,无需重新安装。

也就是说这样安装的话可以直接在上面做自己的修改

相关推荐
mortimer10 分钟前
Whisper断句不够好?用AI LLM和结构化数据打造完美字幕
人工智能·openai
Perishell38 分钟前
无人机避障——感知篇(Ego_Planner_v2中的滚动窗口实现动态实时感知建图grid_map ROS节点理解与参数调整影响)
计算机视觉·无人机·slam·地图生成·建图感知·双目视觉
计算生物前沿44 分钟前
单细胞分析教程 | (二)标准化、特征选择、降为、聚类及可视化
人工智能·机器学习·聚类
kyle~1 小时前
Opencv---深度学习开发
人工智能·深度学习·opencv·计算机视觉·机器人
运器1231 小时前
【一起来学AI大模型】PyTorch DataLoader 实战指南
大数据·人工智能·pytorch·python·深度学习·ai·ai编程
超龄超能程序猿2 小时前
(5)机器学习小白入门 YOLOv:数据需求与图像不足应对策略
人工智能·python·机器学习·numpy·pandas·scipy
卷福同学2 小时前
【AI编程】AI+高德MCP不到10分钟搞定上海三日游
人工智能·算法·程序员
帅次2 小时前
系统分析师-计算机系统-输入输出系统
人工智能·分布式·深度学习·神经网络·架构·系统架构·硬件架构
AndrewHZ2 小时前
【图像处理基石】如何入门大规模三维重建?
人工智能·深度学习·大模型·llm·三维重建·立体视觉·大规模三维重建
5G行业应用2 小时前
【赠书福利,回馈公号读者】《智慧城市与智能网联汽车,融合创新发展之路》
人工智能·汽车·智慧城市