【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
MARS_AI_1 小时前
云蝠智能 Voice Agent 落地展会邀约场景:重构会展行业的智能交互范式
人工智能·自然语言处理·重构·交互·语音识别·信息与通信
weixin_422456442 小时前
第N7周:调用Gensim库训练Word2Vec模型
人工智能·机器学习·word2vec
归去_来兮4 小时前
深度学习模型在C++平台的部署
c++·深度学习·模型部署
HuggingFace5 小时前
Hugging Face 开源机器人 Reachy Mini 开启预定
人工智能
企企通采购云平台6 小时前
「天元宠物」×企企通,加速数智化升级,“链”接萌宠消费新蓝海
大数据·人工智能·宠物
超级小忍6 小时前
Spring AI ETL Pipeline使用指南
人工智能·spring
张较瘦_6 小时前
[论文阅读] 人工智能 | 读懂Meta-Fair:让LLM摆脱偏见的自动化测试新方法
论文阅读·人工智能
一只小灿灿7 小时前
前端计算机视觉:使用 OpenCV.js 在浏览器中实现图像处理
前端·opencv·计算机视觉
巴伦是只猫7 小时前
【机器学习笔记 Ⅲ】4 特征选择
人工智能·笔记·机器学习
好心的小明7 小时前
【王树森推荐系统】召回11:地理位置召回、作者召回、缓存召回
人工智能·缓存·推荐系统·推荐算法