MMDetection3D最全源码安装教程

一、简介

  MMDetection3D 是一个基于 PyTorch 的目标检测开源工具箱，下一代面向3D检测的平台，它是 OpenMMlab 项目的一部分，这个项目由香港中文大学多媒体实验室和商汤科技联合发起。

主要特性

• 支持多模态/单模态的检测器。

  支持多模态/单模态检测器，包括 MVXNet，VoteNet，PointPillars 等。

• 支持户内/户外的数据集

  支持室内/室外的3D检测数据集，包括 ScanNet、SUNRGB-D、Waymo、nuScenes、Lyft、KITTI数据集。

• 与 2D 检测器的自然整合

  MMDetection 支持的300+个模型 , 40+的论文算法, 和相关模块都可以在此代码库中训练或使用。

• 性能高

  训练速度比其他代码库更快。

  安装环境前，请提前安装CUDA、Visual Studio 2019（MSVC 编译器，linux确保gcc已安装）、与CUDA版本对应的Pytorch版本。

  建议不要使用pip进行安装，因为并不是所有CUDA版本都可通过pip进行安装，其次，各个包之间存在依赖关系，容易引起冲突，因此不建议直接pip安装。

二、mmcv-full安装

• 1、克隆代码仓库

git clone https://github.com/open-mmlab/mmcv.git
cd mmcv

• 2、安装 ninja 和 psutil 以加快编译速度

pip install -r requirements/optional.txt

• 3、编译（预估耗时 10 分钟）（Linux）

pip install -e . -v

  Windows系统分CPU和GPU两个版本：
  （1）编译

# CPU
python setup.py build_ext  #  如果成功, cl 将被启动用于编译算子
python setup.py develop  # 安装
# GPU
$env:CUDA_HOME = "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4"  # 设置CUDA路径
$env:CUDA_HOME = $env:CUDA_PATH_V11_4  # CUDA_PATH_V11_4 已经在环境变量中
set TORCH_CUDA_ARCH_LIST="8.9"   # 这里需要改成你的显卡对应的目标架构
# 可通过在终端输入：&"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite\deviceQuery.exe"命令查看

  （2）安装

python setup.py build_ext  # 如果成功, cl 将被启动用于编译算子
python setup.py develop # 安装

• 4、验证安装

python .dev_scripts/check_installation.py

三、MMDetection安装

  从源代码开始编译：

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"

四、MMSegmentation安装

  从源代码开始编译：

git clone https://github.com/open-mmlab/mmsegmentation.git
cd mmsegmentation
pip install -e . # or "python setup.py develop"

五、MMDetection3D安装

  从源代码开始编译：

git clone https://github.com/open-mmlab/mmdetection3d.git
cd mmdetection3d
pip install -v -e . # or "python setup.py develop"

六、CUMM/SPCONV安装

  运行以下python命令：

import torch
print(torch.cuda.get_device_capability())

  或者直接使用命令行输入：

python -c "import torch; print(torch.cuda.get_device_capability())"

 当前CUDA对应的GPU Arch版本为8.9，具体版本对应关系如下表所示：

CUDA version	GPU Arch List
11.1~11.7	52,60,61,70,75,80,86
11.8+	60,70,75,80,86,89,90

  在Linux/macOS上设置临时环境变量为：

export CUMM_CUDA_ARCH_LIST="8.9"
export TORCH_CUDA_ARCH_LIST="8.9"

  在Windows上设置临时环境变量为：

set TORCH_CUDA_ARCH_LIST=8.9
set CUMM_CUDA_ARCH_LIST=8.9

• 如果已经安装过cumm和spconv，需要使用pip卸载。

• Windows需要安装visual studio 2019 or newer，并且确保C++ development component已安装，还需要安装CUDA。

• 克隆项目目录
  克隆cumm项目目录，在该目录下进行编译。

git clone https://github.com/FindDefinition/cumm
cd cumm
pip install -e .

  克隆spconv项目目录，在该目录下进行编译。

git clone https://github.com/traveller59/spconv
cd spconv
tools/msvc_setup.ps1   # 在Windows终端中，Linux则不用
pip install -e .

  最后在python环境下，导入spconv，即输入import spconv，等待编译完成即可。

七、参考链接

[1] https://github.com/open-mmlab/mmdetection3d
[2] https://zhuanlan.zhihu.com/p/605038027