win11下Swin-Transformer-Object-Detection-master测试成功

仅作为个人学习记录使用，侵权直接删除！！！
转自这里（侵权删）
前期准备
PyCharm 2021.3（只是IDE，版本不同也没关系）
显卡 3060 12G
Cuda 11.1 （与显卡、Pytorch要求合适即可）
Python 3.8
Anaconda3 2021.05（版本无限制）
VS2019

环境安装
VS 2019 建议安装2019版本

1. VS 2019 安装
   VS 2019下载地址

直接去VS官网下载，第一步下载的时候可能需要翻墙，后面下载的时候不用翻墙，安装时只勾选桌面端的C++部分就可以。

添加环境变量到系统环境变量->Path下，地址在安装目录下（根据自己的安装位置）：D:\install_in_D\VS201919\Community\VC\Tools\MSVC.29.30133\bin\Hostx86\x64
验证是否可用：

2. 创建conda 虚拟环境
   方案一（直接创建）
   直接创建：conda create -n swin python=3.8
   激活conda环境：activate swin

3. pytorch 安装（版本1.8.2）
   官网地址：https://pytorch.org/

安装：pip3 install torch==1.8.2+cu111 torchvision==0.9.2+cu111 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html

4. 安装其他必要的Python包
   在虚拟环境下执行：

pip install cython matplotlib opencv-python timm -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

5. 安装mmcv
   项目地址：mmcv
   下载好mmcv之后，进行接下来的安装 *** 作
   打开 conda的power shell（一定要用这个）
   
   进入到 conda环境目录，激活conda 环境
   直接创建的conda环境的使用：activate swin
   进入到 mmcv 目录下，执行

pip install -r requirements.txt

来安装mmcv所需的python包

配置环境变量：因为在安装mmcv时用到。

在这个位置进行新建环境变量
第一步：
$env:TORCH_CUDA_ARCH_LIST="8.0" 8.0为显卡算力

第二步：

$env:MMCV_WITH_OPS = 1 #

第三步：
$env:MAX_JOBS = 8 根据CPU核心数设置（其实我是10核心，不大于你CPU核心应该就没事）

确保vs安装成功并且有C++模块
运行：python setup.py build_ext（这步包括下面的一步就会用到之前VS中的cl工具）
运行：python setup.py develop
验证：pip list 会看到 mmcv-full（记得确定一下版本对不对 1.3.17）

安装mmcv-full通常会出现问题，一定要注意vs安装成功后是否重启电脑，不重启电脑会导致vs无法正常使用，代码运行自然也是错误的！（亲身经历）
通常情况下mmcv-full默认的安装版本为1.5.0但是在本次代码中使用的是1.3.17，版本太高是不能正常运行代码的。切记！切记！切记！
可以在配置好前面的 *** 作后，使用下面的指令进行安装：

pip install mmcv-full==1.3.17 -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.2/index.html

这是本文中使用到的指令！

6. 安装mmdetection

激活虚拟环境activate swin
克隆mmdetection 的代码，找到要拉取的版本后直接下载就行，地址：https://github.com/open-mmlab/mmdetection/tree/v2.20.0
进入 mmdetection的代码目录，安装mmdetection所需的python包，执行：pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com (会在下载mmtrack时候出错，这是某个测试环境需要的包，暂时不管它，把它屏蔽掉，再运行上面命令)。

安装 mmdetection，执行 ：python setup.py develop
验证 pip list 可以看到 mmdet（到这一步的时候版本为 2.20.0，但是后面配置Transformer时候会自动变成2.11.0，这个无伤大雅）

7. 安装 apex
   注：apex可以尝试直接用pip装，但是不是确定是否可用，可以尝试。
   apex 项目：https://github.com/NVIDIA/apex
   进入 apex 文件夹
   执行：python setup.py install
   pip list 能看见 apex （0.1版本，只有这一个版本）
   注：安装的apex会在训练模型时候有一个警告内容如下：（但实际没啥影响）–》个人没有遇到这个警告

fused_weight_gradient_mlp_cuda module not found. gradient
 accumulation fusion with weight gradient computation disabled.

8. 拉取Swin-Transformer-Object-Detection-master代码
   地址：Swin-Transformer-Object-Detection-master
   所用环境为前面准备好的虚拟环境
   进入虚拟环境后配置Swin-Transformer-Object-Detection-master所需的一些补充环境：
   运行pip install -r requirements.txt
   在虚拟环境下，进入Swin-Transformer-Object-Detection 项目目录，执行：python setup.py develop
   到这里基本没什么问题了
9. 测试工程

下载权值文件：(直接丢在项目根目录下)

验证执行如下命令：

python demo/image_demo.py demo/demo.jpg configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py mask_rcnn_swin_tiny_patch4_window7.pth

成功的话 能看到测试成功的实例图片

温馨提示：一定要一个步骤一个步骤的走，能避免绝大部分的问题，显卡算力可以适当的降低为自己显卡低一级别的算力