一.安裝Linux系統
由於用虛擬機軟件安裝的Linux不能調用GPU，因此這里采用雙系統（在Windows的電腦上再安裝一個Linux系統）
詳細安裝過程參考鏈接知乎：Win+Linux安裝
講一下遇到的幾個問題：
Rufus檢測不到U盤，可以換一個U盤試試
分配磁盤空間時，遇到C盤不能擴展分區，可以用傲梅分區助手：下載地址
分區時注意分區所占用的物理磁盤名稱，會出現很多塊磁盤名稱注意區分，分為4個區：
/boot:主要用於引導系統正常啟動，可以設為1G/:根目錄 盡量大一些，這個應該最大，可以給/home少一些，這個可以給200G/home:用戶目錄 盡量大一些，這個100G差不多了swap：交換空間，相當於windows的虛擬內存，可以設為和運行內存一樣大小8或16G- 注意：安裝啟動引導器設備選擇/boot對應分區
- Linux的詳細分區介紹見博客園：Linux分區
華碩天選的開機進入U盤引導的按鍵是F2，注意要在出現開機頁面（ASUS字樣）的那一刻不停地按F2即可
安裝完之后每次重啟會讓你選擇要進入的系統是Linux還是Windows，我這里不選的話默認進Linux
二.安裝NVIDIA顯卡驅動
bash中輸入nvidia-smi
如果出現我下面的截圖說明是安裝成功了，驅動版本是510.54，驅動對應的CUDA版本號是11.6
如果沒有出現如上圖片，說明沒有安裝驅動，這里推薦最簡單的安裝驅動方法兩種：
-
軟件更新里面的附加驅動會推薦一些可用的驅動，點擊你想安裝的應用更改即可（我這里不行，應用更改和選擇驅動的按鈕是灰色的）
-
用命令行安裝：
具體參考：博客園:命令行安裝NVIDIA驅動
ubuntu-drivers devices # 查詢所有ubuntu推薦的驅動,我的輸出如下
driver : nvidia-driver-450-server - distro non-free
driver : nvidia-driver-470-server - distro non-free
driver : nvidia-driver-510 - distro non-free
driver : nvidia-driver-510-server - distro non-free
driver : nvidia-driver-470 - distro non-free recommended
driver : xserver-xorg-video-nouveau - distro free builtin
sudo apt install nvidia-driver-510 # 安裝其中一個你想要的版本即可，我這里安裝的是510
執行完畢之后重啟一下
還有網上別人推薦的第三種方法，極其復雜，我覺着第二種最好，可以成功且很方便，安裝好之后用前面的命令測試一下即可。
三.Linux安裝CUDA和CUDNN
CUDA有driver api 和 runtime api，我理解的runtime api是真正用cuda做運算時用到的版本，我們上面用nvidia-smi查到的是 driver api，而下載安裝的CUDA是 runtime api，查詢是否安裝CUDA的runtime api用命令nvcc -V`：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Tue_Sep_15_19:10:02_PDT_2020
Cuda compilation tools, release 11.1, V11.1.74
Build cuda_11.1.TC455_06.29069683_0
我是安裝過的，如果沒安裝不會出現上面的輸出。這個版本是11.1和之前的不同，原因可以參考簡書：CUDA兩個版本的不同
注意安裝過程中，安裝號CUDA后修改環境變量時按照下面來修改：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
# export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
# 非常重要！！！就這一個導致后面的mmdetection安裝mmcv-full時安裝一直報錯！！！
export CUDA_HOME=/usr/local/cuda
四.安裝mmdetection2.8
安裝Minianaconda
- 下載：
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh - 運行：
bash Miniconda3-latest-Linux-x86_64.sh - 按住ctrl+c可以跳過閱讀，后面一直同意即可
- 安裝好之后，打開bash輸入conda env list進行測試又沒有安裝成，我的直接成了，如果沒成可能需要配置一下環境變量，自己百度
創建虛擬環境
conda create -n mmd python=3.8# mmd是環境名conda remove -n mmd --all# 是刪除虛擬環境
conda換源
具體參考知乎：conda換源
vim ~/.condarc- 添加參考鏈接中的相應命令
工具弄好之后開始正式安裝mmdetection
安裝pytorch的GPU版本
去pytorch官網上找安裝命令，注意pytorch版本要與你的CUDA的runtime版本一直，也就是nvcc -V版本一致，我這里是11.1，因此安裝命令是：
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
如果上面安裝報證書錯誤(There was a problem confirming the ssl certificate: HTTPSConnectionPool(host=‘**.org‘,port=443)用下面的命令：
pip install --trusted-host download.pytorch.org torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
一定注意版本別搞錯了，推薦的一套版本是
- CUDA 11.1
- torch 1.9.0
- torchvision 0.10.0
- torchaudio 0.9.0
安裝mmcv-full
這里建議直接把mmcv的github庫克隆下來：
git clone https://github.com/open-mmlab/mmcv.git
# 會自動把內容放到mmcv文件夾
cd mmcv
# MMCV_WITH_OPS=1是安裝mmcv-full，否則是安裝mmcv，這里mmdetection2.8需要mmcv-full
MMCV_WITH_OPS=1 pip install -e . # package mmcv-full will be installed after this step
不過安裝完的是1.4.7的最新版本，與mmdetection2.8要求的版本不符合，此時可以執行
pip install mmcv-full==1.2.4 安裝1.2.4版本
也可以用命令
pip install mmcv-full=={mmcv_version} -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.9.0/index.html
進行安裝，還是一定注意CUDA版本號和pytorch，torchvision等對應，CUDA環境變量別弄錯了！！！
安裝mmcv-full時出了很多錯誤，總結一下，感慨一下：
- 首先是
CUDA版本和torch版本要一致，建議CUDA版本別太高，不然torch版本沒那么高的 - 安裝
CUDA時，CUDA_HOME的環境要寫對，我之前按照別人寫的的多加了一個冒號，結果就出現在這個冒號身上 - 執行到
Running setup.py develop for mmcv-full時可能會卡一會，不用擔心 - 如果報錯了也別直接復制最后一行去百度，可以向前翻翻錯誤的地方，找到可能是關鍵的地方再百度
安裝mmdetection2.8
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"
測試
執行官方給的測試命令即可：
新建一個test.py文件在mmdetection文件夾中，下載給定的網絡權重方放到mmdetection的checkpoints文件夾中（新建）中
from mmdet.apis import init_detector, inference_detector
config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
# download the checkpoint from model zoo and put it in `checkpoints/`
# url: http://download.openmmlab.com/mmdetection/v2.0/faster_rcnn/faster_rcnn_r50_fpn_1x_coco/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth
checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
device = 'cuda:0'
# init a detector
model = init_detector(config_file, checkpoint_file, device=device)
# inference the demo image
inference_detector(model, 'demo/demo.jpg')
如果正常執行就OK了，我的報了兩個警告，不過結果正確，先不管了
五.Vscode遠程操控Linux
其實可以在一台有GPU的電腦上，Linux系統安裝mmdetection，另一台只有cpu的Windows的電腦遠程操控，比如弄一個有GPU的台式機在家，拿一個輕薄本，就可以遠程操控台式機進行訓練。
下面是在Linux系統的主機上運行的：
- 安裝 net-tools 工具：
sudo apt-get install net-tools，如果失敗，可能是軟件源沒有更新 sudo apt-get update更新源再試試ifconfig查看ip地址- 安裝openssh-server工具，
sudo apt-get install openssh-server
下面是在Windows主機上進行的操作
- 安裝vscode（百度即可）
- vscode中安裝ssh插件，插件商店直接搜索ssh即可出現
- 打開cmd，
ping 剛才查到的IP地址，如果能ping通說明可以連接 - cmd中輸入
ssh 主機用戶名@主機IP地址
如果失敗了，可能是主機中沒有安裝openssh-server服務，在主機上安裝即可：sudo apt-get install openssh-server - cmd中輸入
ssh 主機用戶名@主機IP地址，輸入主機用戶密碼即可 - vscode中找到遠程連接小圖標，輸入
ssh 主機用戶名@主機IP地址，然后輸入密碼即可連接成功
至此，環境配置完成，后面會用其來測試自己的數據集