mmyolo安装

官方安装教程：依赖 — MMYOLO 0.6.0 文档

git地址：项目目录预览 - mmyolo:OpenMMLab YOLO series toolbox and benchmark. Implemented RTMDet, RTMDet-Rotated,YOLOv5, YOLOv6, YOLOv7, YOLOv8,YOLOX, PPYOLOE, etc. - GitCode

安装版本，依据下图。Installation — mmcv 2.2.0 documentation

一、安装pytorch

步骤 0. 从 官方网站 下载并安装 Miniconda。

步骤 1. 创建并激活一个 conda 环境。

conda create -n mmyolo python=3.10 -y
conda activate mmyolo

步骤 2. 安装 PyTorch。指定了torch和cuda版本

pip3 install torch==2.0.0 torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

步骤 3. 验证 PyTorch 安装。正确的话，会打印版本信息和 True 字符

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

二、安装mmyolo

步骤 0. 使用 MIM 安装 MMEngine、 MMCV 和 MMDetection 。

pip install fsspec sympy==1.13.1
pip install -U openmim
mim install "mmengine>=0.6.0"
mim install "mmcv>=2.0.0rc4,<2.1.0"
mim install "mmdet>=3.0.0,<4.0.0"

步骤 1. 安装 MMYOLO

git clone https://github.com/open-mmlab/mmyolo.git
cd mmyolo
# Install albumentations
mim install -r requirements/albu.txt
# Install MMYOLO
mim install -v -e .
# "-v" 指详细说明，或更多的输出
# "-e" 表示在可编辑模式下安装项目，因此对代码所做的任何本地修改都会生效，从而无需重新安装。

三、验证mmyolo

步骤 1. 下载配置文件和模型权重文件。在home/用户名/mmyolo目录里可以看到下载的pth和py文件

mim download mmyolo --config yolov5_s-v61_syncbn_fast_8xb16-300e_coco --dest .

步骤 2. 推理验证。运行结束后，在 output 文件夹中可以看到检测结果图像，图像中包含有网络预测的检测框。

python demo/image_demo.py demo/demo.jpg \
                          yolov5_s-v61_syncbn_fast_8xb16-300e_coco.py \
                          yolov5_s-v61_syncbn_fast_8xb16-300e_coco_20220918_084700-86e02187.pth

# 可选参数
# --out-dir ./output *检测结果输出到指定目录下，默认为./output, 当--show参数存在时，不保存检测结果
# --device cuda:0    *使用的计算资源，包括cuda, cpu等，默认为cuda:0
# --show             *使用该参数表示在屏幕上显示检测结果，默认为False
# --score-thr 0.3    *置信度阈值，默认为0.3

 

【可供下载的模型】

mim download mmyolo --config 不包含py的名字 --dest .     # . 下载到当前目录

git官网中查看，比如

 一些常用工具，如yolo数据转coco数据

官方使用教程：15 分钟上手 MMYOLO 目标检测 — MMYOLO 0.6.0 文档