一、服务器安装教程

首先服务器选择，配置测试阶段选择较为便宜的GPU即可。

点击开始使用，将会出现下面界面，选择Pytorch1，一定选择Pytorch1，这个较为稳定，而且经过测试，直接按照以下流程安装即可，省去了麻烦的Debug阶段。

这个云环境配置：GPU RTX 3060、CUDA v11.3

Pytorch 1.10 版本，如果采用其他云服务器，首先安装Pytorch，如果采用的是该云服务器，这个步骤可以省略。

!pip3 install install torch==1.10.1+cu113 torchvision==0.11.2+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

2.导入Pytorch

import torch
torch.__version__

3.用MIM安装MMCV

!pip install -U openmim
!mim install mmengine
!mim install mmcv==2.0.0

4.安装其它工具包

!pip install opencv-python pillow matplotlib seaborn tqdm pytorch-lightning 'mmdet>=3.1.0' -i https://pypi.tuna.tsinghua.edu.cn/simple

5.下载 MMSegmentation

# 删掉原有的 mmsegmentation 文件夹（如有）
!rm -rf mmsegmentation

# 从 github 上下载最新的 mmsegmentation 源代码

!git clone https://github.com/open-mmlab/mmsegmentation.git -b v1.1.2

# 进入主目录
import os
os.chdir('mmsegmentation')

6.安装 MMSegmentation

!pip install -v -e .

7、下载预训练模型权重文件和视频素材

import os

# 创建 checkpoint 文件夹，用于存放预训练模型权重文件
os.mkdir('checkpoint')

# 创建 outputs 文件夹，用于存放预测结果
os.mkdir('outputs')

# 创建 data 文件夹，用于存放图片和视频素材
os.mkdir('data')

# 创建 图表 文件夹，用于存放生成的图表
os.mkdir('图表')

8、检查安装是否成功

# 检查 Pytorch
import torch, torchvision
print('Pytorch 版本', torch.__version__)
print('CUDA 是否可用',torch.cuda.is_available())

成功显示如下:

Pytorch 版本 1.10.0+cu113
CUDA 是否可用 True

 检查 mmcv
import mmcv
from mmcv.ops import get_compiling_cuda_version, get_compiler_version
print('MMCV版本', mmcv.__version__)
print('CUDA版本', get_compiling_cuda_version())
print('编译器版本', get_compiler_version())

成功显示如下：

MMCV版本 2.0.0

CUDA版本 11.3

编译器版本 GCC 9.3

# 检查 mmsegmentation
import mmseg
from mmseg.utils import register_all_modules
from mmseg.apis import inference_model, init_model
print('mmsegmentation版本', mmseg.__version__)

成功显示：mmsegmentation版本 1.1.2

没有报错，即为安装成功。

9、设置语言为简体中文 云服务器为Linux系统，运行Linux系统代码即可

# # windows操作系统
# plt.rcParams['font.sans-serif']=['SimHei']  # 用来正常显示中文标签 
# plt.rcParams['axes.unicode_minus']=False  # 用来正常显示负号

# Mac操作系统，参考 https://www.ngui.cc/51cto/show-727683.html
# 下载 simhei.ttf 字体文件
# !wget https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220716-mmclassification/dataset/SimHei.ttf

# Linux操作系统，例如 云GPU平台：https://featurize.cn/?s=d7ce99f842414bfcaea5662a97581bd1
# 如果遇到 SSL 相关报错，重新运行本代码块即可
!wget https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220716-mmclassification/dataset/SimHei.ttf -O /environment/miniconda3/lib/python3.7/site-packages/matplotlib/mpl-data/fonts/ttf/SimHei.ttf
!rm -rf /home/featurize/.cache/matplotlib

import matplotlib 

matplotlib.rc("font",family='SimHei') # 中文字体

import matplotlib.pyplot as plt

plt.plot([1,2,3], [100,500,300])
plt.title('matplotlib中文字体测试', fontsize=25)
plt.xlabel('X轴', fontsize=15)
plt.ylabel('Y轴', fontsize=15)
plt.show()

注：第一次运行可能会出现中文乱码，框框等情况，重启Kernel，再次运行这两段代码即可成功，如下图所示：

将本文内容复制为一篇Jupyter（.ipynb）文件，按照步骤运行即可。

本地环境安装

和服务器安装类似，详细步骤请看官网教程

MMSegmentation教程（一）配置与安装

一、服务器安装教程

本地环境安装