Skip to content

Latest commit

 

History

History
202 lines (139 loc) · 7.78 KB

install.md

File metadata and controls

202 lines (139 loc) · 7.78 KB
Raw

安装

本文档提供了安装 MMPose 的相关步骤。

安装依赖包

  • Linux | Windows | macOS
  • Python 3.6+
  • PyTorch 1.5+
  • CUDA 9.2+ (如果从源码编译 PyTorch,则可以兼容 CUDA 9.0 版本)
  • GCC 5+
  • mmcv 请安装最新版本的 mmcv-full
  • Numpy
  • cv2
  • json_tricks
  • xtcocotools

可选项：

  • mmdet (用于“姿态估计”)
  • mmtrack (用于“姿态跟踪”)
  • pyrender (用于“三维人体形状恢复”)
  • smplx (用于“三维人体形状恢复”)

准备环境

a. 创建并激活 conda 虚拟环境，如：

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab

b. 参考 官方文档 安装 PyTorch 和 torchvision ，如：

conda install pytorch torchvision -c pytorch

注：确保 CUDA 的编译版本和 CUDA 的运行版本相匹配。 用户可以参照 PyTorch 官网 对预编译包所支持的 CUDA 版本进行核对。

例 1：如果用户的 /usr/local/cuda 文件夹下已安装 CUDA 10.2 版本，并且想要安装 PyTorch 1.8.0 版本， 则需要安装 CUDA 10.2 下预编译的 PyTorch。

conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2 -c pytorch

例 2：如果用户的 /usr/local/cuda 文件夹下已安装 CUDA 9.2 版本，并且想要安装 PyTorch 1.7.0 版本， 则需要安装 CUDA 9.2 下预编译的 PyTorch。

conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=9.2 -c pytorch

如果 PyTorch 是由源码进行编译安装（而非直接下载预编译好的安装包），则可以使用更多的 CUDA 版本（如 9.0 版本）。

MMPose 的安装步骤

a. 安装最新版本的 mmcv-full。MMPose 推荐用户使用如下的命令安装预编译好的 mmcv。

# pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.9.0/index.html
# 我们可以忽略 PyTorch 的小版本号
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.9/index.html

PyTorch 在 1.x.0 和 1.x.1 之间通常是兼容的，故 mmcv-full 只提供 1.x.0 的编译包。如果你的 PyTorch 版本是 1.x.1，你可以放心地安装在 1.x.0 版本编译的 mmcv-full。

可查阅 这里 以参考不同版本的 MMCV 所兼容的 PyTorch 和 CUDA 版本。

另外，用户也可以通过使用以下命令从源码进行编译：

git clone https://github.com/open-mmlab/mmcv.git
cd mmcv
MMCV_WITH_OPS=1 pip install -e .  # mmcv-full 包含一些 cuda 算子，执行该步骤会安装 mmcv-full（而非 mmcv）
# 或者使用 pip install -e .  # 这个命令安装的 mmcv 将不包含 cuda ops，通常适配 CPU（无 GPU）环境
cd ..

注意：如果之前安装过 mmcv，那么需要先使用 pip uninstall mmcv 命令进行卸载。如果 mmcv 和 mmcv-full 同时被安装, 会报 ModuleNotFoundError 的错误。

b. 克隆 MMPose 库。

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

c. 安装依赖包和 MMPose。

pip install -r requirements.txt
pip install -v -e .  # or "python setup.py develop"

如果是在 macOS 环境安装 MMPose，则需使用如下命令：

CC=clang CXX=clang++ CFLAGS='-stdlib=libc++' pip install -e .

d. 安装其他可选依赖。

如果用户不需要做相关任务，这部分步骤可以选择跳过。

可选项：

  • mmdet (用于“姿态估计”)
  • mmtrack (用于“姿态跟踪”)
  • pyrender (用于“三维人体形状恢复”)
  • smplx (用于“三维人体形状恢复”)

注意：

  1. 在步骤 c 中，git commit 的 id 将会被写到版本号中，如 0.6.0+2e7045c。这个版本号也会被保存到训练好的模型中。 这里推荐用户每次在步骤 b 中对本地代码和 github 上的源码进行同步。如果 C++/CUDA 代码被修改，就必须进行这一步骤。

  2. 根据上述步骤，MMPose 就会以 dev 模式被安装，任何本地的代码修改都会立刻生效，不需要再重新安装一遍（除非用户提交了 commits，并且想更新版本号）。

  3. 如果用户想使用 opencv-python-headless 而不是 opencv-python，可再安装 MMCV 前安装 opencv-python-headless。

  4. 如果 mmcv 已经被安装，用户需要使用 pip uninstall mmcv 命令进行卸载。如果 mmcv 和 mmcv-full 同时被安装, 会报 ModuleNotFoundError 的错误。

  5. 一些依赖包是可选的。运行 python setup.py develop 将只会安装运行代码所需的最小要求依赖包。 要想使用一些可选的依赖包，如 smplx，用户需要通过 pip install -r requirements/optional.txt 进行安装， 或者通过调用 pip（如 pip install -v -e .[optional]，这里的 [optional] 可替换为 all，tests，build 或 optional） 指定安装对应的依赖包，如 pip install -v -e .[tests,build]。

CPU 环境下的安装步骤

MMPose 可以在只有 CPU 的环境下安装（即无法使用 GPU 的环境）。

在 CPU 模式下，用户可以运行 demo/demo.py 的代码。

源码安装 MMPose

这里提供了 conda 下安装 MMPose 并链接 COCO 数据集路径的完整脚本（假设 COCO 数据的路径在 $COCO_ROOT）。

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab

# 安装最新的，使用默认版本的 CUDA 版本（一般为最新版本）预编译的 PyTorch 包
conda install -c pytorch pytorch torchvision -y

# 安装 mmcv-full。其中，命令里 url 的 ``{cu_version}`` 和 ``{torch_version}`` 变量需由用户进行指定。
# 可查阅 [这里](https://github.com/open-mmlab/mmcv#installation) 以参考不同版本的 MMCV 所兼容的 PyTorch 和 CUDA 版本。
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html

# 安装 mmpose
git clone [email protected]:open-mmlab/mmpose.git
cd mmpose
pip install -r requirements.txt
python setup.py develop

mkdir data
ln -s $COCO_ROOT data/coco

利用 Docker 镜像安装 MMPose

MMPose 提供一个 Dockerfile 用户创建 docker 镜像。

# 创建拥有 PyTorch 1.6.0, CUDA 10.1, CUDNN 7 配置的 docker 镜像.
docker build -f ./docker/Dockerfile --rm -t mmpose .

注意：用户需要确保已经安装了 nvidia-container-toolkit。

运行以下命令：

docker run --gpus all\
 --shm-size=8g \
 -it -v {DATA_DIR}:/mmpose/data mmpose

在多个 MMPose 版本下进行开发

MMPose 的训练和测试脚本已经修改了 PYTHONPATH 变量，以确保其能够运行当前目录下的 MMPose。

如果想要运行环境下默认的 MMPose，用户需要在训练和测试脚本中去除这一行：

PYTHONPATH="$(dirname $0)/..":$PYTHONPATH