RFLA介绍

• 官方连接
  https://github.com/Chasel-Tsui/mmdet-rfla
• arxiv
  https://arxiv.org/abs/2208.08738

环境搭建

我的机器的cuda是10.2，根据自己的cuda版本到 https://hub.docker.com/ 拉取对应的镜像
一定要拉取带 devel 的版本镜像

• 拉取gpu镜像

docker pull aegis1/cuda10.2-cudnn8-devel-ubuntu18.04:pcl

• 创建容器

nvidia-docker run -it -d \
    --name rfla \
    -v /bee/abc/test_model/:/notebooks \
    -e TZ='Asia/Shanghai' \
    --shm-size 16G \
    -d aegis1/cuda10.2-cudnn8-devel-ubuntu18.04:pcl

• 进入容器

 docker exec -it rfla env LANG=C.UTF-8 /bin/bash

安装依赖

• 安装Anaconda

curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh
ln -s /root/miniconda3/bin/conda /usr/bin/conda

• 创建py3.8环境

conda create --name openmmlab python=3.8 -y
conda init

退出终端
再进入终端
会出现下面的内容：

(base) root@1212:/#

• 进入我们的环境 openmmlab

conda deactivate
conda activate openmmlab

如下面的内容；

(openmmlab) root@1212:

• 安装torch
  我的cuda是10.02

conda install pytorch==1.9.1 torchvision==0.10.1 torchaudio==0.9.1 cudatoolkit=10.2 -c pytorch

其他cuda版本可以按照
https://pytorch.org/get-started/previous-versions/
来进行安装

• 安装mim

pip install openmim

• 安装 mmcv-full

mim install mmcv-full==1.3.9

• 安装cv2的依赖

apt update
apt install libgl1-mesa-glx  -y

• 安装cocoapi

pip install "git+https://github.com/jwwangchn/cocoapi-aitod.git#subdirectory=aitodpycocotools"

• 安装mmdet-rfla

git clone https://github.com/Chasel-Tsui/mmdet-rfla.git
cd mmdet-rfla
pip install -r requirements/build.txt
python setup.py develop

【】按照上面的过程一步一步的安装，就能正常跑模型了

参考

• https://github.com/Chasel-Tsui/mmdet-rfla
• https://mmcv.readthedocs.io/en/latest/get_started/installation.html#install-mmcv
• https://mmdetection.readthedocs.io/zh_CN/latest/get_started.html
• https://github.com/open-mmlab/mim